A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Aprendizado Baseado em Instâncias (IBL). Aprendizado Baseado em Instâncias Ideia central: guardar todos os exemplos de treinamento {x i,f(x i )}; Vizinho.

Apresentações semelhantes


Apresentação em tema: "Aprendizado Baseado em Instâncias (IBL). Aprendizado Baseado em Instâncias Ideia central: guardar todos os exemplos de treinamento {x i,f(x i )}; Vizinho."— Transcrição da apresentação:

1 Aprendizado Baseado em Instâncias (IBL)

2 Aprendizado Baseado em Instâncias Ideia central: guardar todos os exemplos de treinamento {x i,f(x i )}; Vizinho mais próximo: –classificar x q, encontrar o exemplo de treinamento mais próximo x n, estime –f (x q ) <= f(x n ) K-Vizinho mais próximos: –classificar x q, encontrar os k exemplo de treinamento mais próximos, estime f (x q ) – o valor mais frequente no caso discreto –a media no caso continuo

3 K-Vizinho mais próximos: –classificar x q, encontrar os k exemplo de treinamento mais próximos, estime f (x q ) – o valor mais frequente no caso discreto –a media no caso continuo

4 K-Vizinho mais próximos Algoritmo de treinamento –para cada exemplo de treinamento, adicione o exemplo a lista de exemplos de treinamento Algoritmo de Classificação –dada uma instância x q a ser classificada –Sejam x 1,…x k as k instâncias mais similares a x q no conjunto de treinamento. quando (a,b)= 1 se a=b e (a,b)= 0 caso contrario

5 Vizinho mais próximo Seu uso é indicado quando: –as instâncias podem ser representadas como pontos que mapeiam o espaço euclidiano; –as instâncias têm menos de 20 atributos –existem muitos exemplos no conjunto de treinamento

6 Vantagens –O aprendizado é muito rápido –Pode aprender conceitos complexos –Não perde informação Desvantagens –Tempo de classificação lento –Sensivel a atributos irrelevantes

7

8 Vizinho mais próximo O vizinho mais próximo de uma instância é definido em termos da distância Euclidiana A distância entre xi xj é: a r (x) denota o r th attribute da instância.

9

10 Nearest Neighbor com Distância Ponderada Um refinamento obvio do algoritmo é atribuir pesos a cada k-vizinho de acordo a sua distância a instância a classificar xq.

11 Observações A introdução de pesos no algoritmo o faz um método altamente efetivo para varios problemas práticos Robusto a dados com ruído e efetivo com grandes bases de treinamento É altamente sensivel ao conjunto de atributos –árvores de decisão é capaz de descartar os atributos irrelevantes

12 Regressão Localmente Ponderada Esta abordagem usa exemplos de treinamento ponderados por sua distância para formar uma aproximação explicita a f –função linear, quadratica, rede neural ou alguma outra função.

13 Problemas de Dimensionalidade Imagine instâncias descritas por 20 atributos mais somente 2 são relevantes Abordagens: Stretch, são atribuidos pesos aos atributos, os pesos são escolhidos de forma a minimizar os erros de predição –escolha aleatoriamente casos e estime pesos para predição acurada –repita 1 com diferentes casos para obter pesos mais confiaveis

14 Problemas de Recuperação Indexação eficiente de memória Kd-Tree –as instâncias são guardadas nas folhas da árvore, com as instâncias vizinhas nos nó mais pertos.

15 Raciocinio Baseado em Casos

16 O que é RBC Solucionar um problema novo lembrando uma situação similar previa, reutilizando conhecimento e informação de tal situação. Utilizada em todas as áreas: –médica –financiera

17 Raciocinio Baseado em Casos Instâncias ou casos podem ser representados por descrições simbolicas mais complexas. Requer uma medida de similaridade diferente a distância euclidiana Os casos recuperados podem ser combinados para formar a solução do problema novo, baseado em raciocinio baseado em conhecimento.

18

19 Aprendizado lazy não generaliza a função de classificação aproximação local treinamento rápido classificação lenta k-NN considera todos os atributos


Carregar ppt "Aprendizado Baseado em Instâncias (IBL). Aprendizado Baseado em Instâncias Ideia central: guardar todos os exemplos de treinamento {x i,f(x i )}; Vizinho."

Apresentações semelhantes


Anúncios Google