Agrupamentos / Clustering

Apresentação em tema: "Agrupamentos / Clustering"— Transcrição da apresentação:

1 Agrupamentos / Clustering
Data da apresentação: 18/04/12 Filipe Wanderley Lima

2 Roteiro Motivação; Conceitos básicos; Modelos de clusters; K-means;
Aplicações.

3 Motivação Encontrar conjuntos de dados pode ser fácil, mas classificá-los é custoso; No estágios iniciais de uma investigação, uma análise exploratória dos dados pode ser útil para extrair informações sobre a natureza ou estrutura dos mesmos: Quais sub-populações existem nos dados? Quantas são? Quais seus tamanhos? O que elementos de uma sub-população tem em comum? Eles são homogênios, ou eles podem ser partidos ainda mais? Existem outliers?

4 Conceitos básicos Clustering é a tarefa de atribuir um conjunto de objetos em grupos (chamados clusters) de maneira que os objetos em um mesmo cluster são mais similares entre si do que aqueles em outros clusters. Conjunto de objetos Clusters

5 Conceitos básicos É considerado um método para aprendizagem não supervisionada: Não se sabe de antemão qual a classificação de cada dado. Peso Altura Classe 85 1,87 ? 92 1,88 112 2,05 105 1,93 68 1,65 56 1,58 48 1,69 67 1,62 100 1,80

6 Conceitos básicos Clusters: Varia entre algoritmos;
É uma das muitas decisões a serem tomadas na hora de escolher o algoritmo adequado; Entender os modelos de clusters é a chave para entender as diferenças entre os vários tipos de algoritmos.

7 Modelos de clusters Hierárquicos
Constroem modelos baseados na distância de conectividade: Objetos são mais similares a objetos próximos do que a objetos que estão longe. Um cluster pode ser definido pela distância máxima necessária para conectar as partes do cluster: Difentes distâncias formam diferentes clusters. Os clusters podem ser representados por dendrogramas: A B C D E AB CD ABCDE CDE

8 Modelos de clusters Hierárquicos
Não fornecem uma partição única do conjunto de dados, mas sim uma hierarquia extensiva de clusters que se juntam uns com os outros a certas distâncias; Não são robustos para tratar de outliers.

9 Modelos de clusters Centróides
Representa cada cluster como um simples vetor de média.

10 Modelos de clusters Distribuições
Os clusters são modelados usando distribuições estatísticas: Os clusters são definidos como objetos pertencentes provavelmente a uma mesma distribuição. É um método forte, pois não somente fornece clusters, mas também produz modelos complexos de clusters que podem também capturar atributos de correlação e dependência.

11 Modelos de clusters Densidade
Definem clusters como regiões de mais alta densidade do que o restante do conjunto de dados; Objetos nas áreas esparças são normalmente considerados como ruídos e pontos de fronteira; Esperam por uma baixa de densidade para detectar as fronteiras dos clusters;

12 K-Means Escolha inicial dos centros: Cálculo da Distância:
Aleatória. Cálculo da Distância: Distância Euclidiana. Critérios de Parada: Não modificação dos clusters em duas iterações sucessivas. Passo 1: É calculada  a distância entre todos os objetos (usei a medida Euclideana neste exemplo). Este cálculo forma a matriz de distância, apresentada a seguir:

13 K-Means Exemplo K = 3 c2 c1 Escolher os centros iniciais.
Associar cada vetor ao cluster mais próximo. Determinar os novos centros. Associar cada vetor ao cluster mais próximo. Determinar os novos centros. Associar cada vetor ao cluster mais próximo. Não houve alterações. c1

14 K-Means Applet intereativo:

15 Aplicações Agrupar tags por sua relevância:

16 Aplicações Clustering resultados de busca.

17 Aplicações Ciência da computação
Quantização de vetores para comprimir imagens. Imagem original K = 10 K = 2 K = 3 [Bishop, PR ML]

18 Aplicações Ciência da computação Segmentação de imagens:
Usado para dividir uma imagem digital em regiões distintas para detecção de fronteiras ou reconhecimento de objetos. [

19 Aplicações Ciência da computação Sistemas de recomendação:
Prever as preferências dos usuários baseado nas preferências de outros usuários pertencentes ao mesmo cluster.

20 Aplicações Clustering de expressões de dados de genes.
[Eisen et al, PNAS 1998]

21 Aplicações Internet Agrupamento de resultados de busca:
Pode ser usado para criar conjuntos de resultados de busca mais relevantes. [Yippy]

22 Aplicações Internet Análise de redes sociais:
Usado para identificar comunidades entre grandes grupos de pessoas.

23 Referências Seminário sobre Categorização/Classificação & Agrupamento da disciplina de Mineração da Web Aula sobre Agrupamentos da disciplina de Aprendizagem de Máquina Introductory Applied Machine Learning por Chris Williams and Victor Lavrenko Clustering por Sriram Sankararaman

24 Dúvidas?