Metoda GUHA a systém LISp-Miner

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.
====== Neúplná informace ======

Zpracování neúplné informace je jeden z důležitých problémů data mining. Při vývoji metody GUHA byl tento 
problém řešen od sedmdesátých let minulého století, viz např. články 
[[https://dml.cz/handle/10338.dmlcz/125685|The GUHA method and the three-valued logic]] 
a
[[https://dml.cz/handle/10338.dmlcz/124409|Ein Beitrag zu der GUHA Methode in der dreiwertigen Logik]]. 
Důležité výsledky o neúplné informaci jsou shrnuty v monografii 
[[https://www.springer.com/us/book/9783540087380|Mechanizing Hypothesis Formation 
(Mathematical Foundations for a General Theory)]], některé další výsledky jsou i v monografii  
[[http://link.springer.com/book/10.1007/978-3-642-11737-4|Observational Calculi and Association Rules]]. 
Porovnání přístupů k neúplné informací v proceduře 4ft-Miner a v arules package v systému R je v článku 
[[https://content.iospress.com/articles/intelligent-data-analysis/ida160069|Apriori and GUHA – Comparing 
two approaches to data mining with association rules]], viz též 
[[https://lispminer.vse.cz/guhadi/doku.php?id=lm_guha_di_typul_4ft#data_adult_-_chybejici_informace|příklad]]. 

Nejdůležitějším výsledkem je  
 [[lm_guha_te_missings#Zabezpečený přístup k neúplné informaci|zabezpečený přístup k neúplné informaci]], kdy je asociační pravidlo považováno za pravdivé v matici dat s neúplnou 
informací, pokud je pravdivé ve všech možných doplněních matice skutečnými hodnotami. 

Alternativním přístupem k neúplné informaci je 
[[lm_guha_te_missings#Optimistické doplnění|optimistické doplnění]]. V souvislosti s metodou GUHA se používá i  
[[lm_guha_te_missings#Vynechání neúplné informace|vynechání neúplné informace]]. 
V proceduře 4ft-Miner je implementován i přístup 
[[lm_guha_te_missings#Ignorování neúplné informace|ignorování neúplné informace]] 
 implementovaný v arules package, který je součástí systému R. 


 
Zvláštní pozornost v souvislosti s neúplnou informací je věnována 
[[lm_guha_te_missings#Neúplná informace a podmíněná asociační pravidla|podmíněným asociačním pravidlům]].


===== Zabezpečený přístup k neúplné informaci =====
 
Zabezpečený přístup k neúplné informaci vychází z pojmů //matice dat s neúplnou informací// a  
//doplnění matice dat s neúplnou informací//. V levé části následujícího obrázku je ukázka matice dat s neúplnou 
informací, chybějící hodnoty se značí X. V pravé části doplnění této matice, všechny chybějící hodnoty jsou 
nahrazeny  přípustnými hodnotami. 
{{ :doplneni_matice.png?600 |}}

Zabezpečený přístup k neúplné informaci se týká všech formulí Φ  souvisejících s asociačními pravidly, tedy  
základních booleovských atributů, odvozených booleovských atributů i asociačních pravidel.  
Určuje se hodnota formule Φ  v matici dat **M**<sup>X</sup> s neúplnou informací, každá formule nabývá 
jednu z hodnot 0, 1, X.    
Hodnota formule Φ  v matici dat **M**<sup>X</sup> s neúplnou informací je 

  * 1, pokud je hodnota této formule 1 v každém doplnění matice **M**<sup>X</sup>  
  * 0, pokud je hodnota této formule 0 v každém doplnění matice **M**<sup>X</sup>  
  * X jindy, tedy pokud existují doplnění **M**<sub>1</sub>  a **M**<sub>2</sub> matice **M**<sup>X</sup>  tak, že 
    * hodnota formule Φ v **M**<sub>1</sub> je 1
    * hodnota formule Φ v **M**<sub>2</sub> je 0. 

Podrobnosti o určení hodnot v matici dat s neúplnou informací 
  * pro základní a odvozené booleovské atributy jsou {{ :missings_booleovske_atributy.pdf |zde}} 
  * pro asociační pravidla jsou ve formě úvah a příkladů {{ :missings_pravidla_priklady.pdf |zde}}, formálnější popis je {{ :missings_pravidla_formalnejsi_popis.pdf |zde}}. 

  
===== Optimistické doplnění =====

Podstatou optimistického doplnění je, že asociační pravidlo je považováno 
za pravdivé v matici dat s neúplnou informací, pokud je pravdivé alespoň v jednom doplnění této matice.
Podrobnosti jsou uvedeny {{ :missings_optimisticke_doplneni.pdf |zde}}. 


===== Vynechání neúplné informace =====

Podstatou vynechání neúplné informace je, že se pro verifikaci využije čtyřpolní tabulka vzniklá z devítipolní 
tabulky vynecháním polí, která se týkají chybějící informace. Podrobnosti jsou {{ :missings_vynechani.pdf |zde}}. 

===== Ignorování neúplné informace =====

Při zpracování se neúplná  informace ignoruje v tom smyslu, že 
kód chybějící hodnoty X se považuje za speciální kategorii. 
Tato kategorie zůstává skryta a nelze ji použít při zadání relevantních koeficientů. 
Podrobnosti jsou {{ :missings_ignorovani.pdf |zde}}.  

===== Neúplná informace a podmíněná asociační pravidla =====

Pro podmíněná asociační pravidla φ≈ψ/χ je možno s jistým, dále popsaným omezením, používat všechny čtyři možnosti práce s neúplnou informací jako pro 
nepodmíněná pravidla φ≈ψ. Rozdíl je v tom, že verifikace podmíněného asociačního pravidla v matici dat 
**M**<sup>X</sup> s neúplnou nevychází z devítipolní tabulky 9ft(φ,ψ,**M**<sup>X</sup>), ale ze dvou devítipolních 
tabulek 9ft(φ,ψ,**M**<sup>X</sup>/χ<sub>1</sub>) a 9ft(φ,ψ,**M**<sup>X</sup>/χ<sub>X</sub>), 
viz následující obrázek.
{{ :dve_devitipolni_tabulky.png |}}

Devítipolní tabulka 9ft(φ,ψ,**M**<sup>X</sup>/χ<sub>1</sub>) se týká trojhodnotových atributů φ a ψ  v matici
dat **M**<sup>X</sup>/χ<sub>1</sub>, která se skládá ze všech řádku matice **M**<sup>X</sup>,  
pro které je atribut χ pravdivý.
Tedy f<sub>1,1,1</sub> je počet řádků matice **M**<sup>X</sup> pro které jsou atributy φ, ψ i χ pravdivé;
f<sub>1,X,1</sub> je počet řádků matice **M**<sup>X</sup> pro které jsou atributy φ a χ pravdivé a atribut  ψ 
nabývá hodnotu X, atd.


Devítipolní tabulka 9ft(φ,ψ,**M**<sup>X</sup>/χ<sub>X</sub>) se týká trojhodnotových atributů φ a ψ  v matici
dat **M**<sup>X</sup>/χ<sub>X</sub>, která se skládá ze všech řádku matice **M**<sup>X</sup>,  
pro které atribut χ nabývá hodnotu X.
Tedy f<sub>1,1,X</sub> je počet řádků matice **M**<sup>X</sup> pro které jsou atributy φ a ψ pravdivé a atribut 
χ nabývá hodnotu X; 
f<sub>1,X,X</sub> je počet řádků matice **M**<sup>X</sup> pro které je atribut φ pravdivý a atributy  ψ a χ  
nabývají hodnotu X, atd.


Z těchto devítipolních tabulek se vypočítá čtyřpolní tabulka pro verifikaci v závislosti na tom, zda se 
jedná o [[lm_guha_te_missings#Podmíněná pravidla a zabezpečené doplnění|zabezpečené doplnění]], 
[[lm_guha_te_missings#Podmíněná pravidla a optimistické doplnění|optimistické doplnění]], 
[[lm_guha_te_missings#Podmíněná pravidla a vynechání neúplné informace|vynechání neúplné informace]] nebo 
[[lm_guha_te_missings#Podmíněná pravidla a ignorování neúplné informace|ignorování neúplné informace]].


==== Podmíněná pravidla a zabezpečené doplnění ====
V případě zabezpečeného doplnění je podmíněné asociační pravidlo považováno za pravdivé v matici 
dat s neúplnou informací, pokud je pravdivé ve všech možných doplněních matice skutečnými hodnotami. 
Podrobnosti jsou {{ :missings_podminena_pravidla_zabezpecene_doplneni.pdf |zde}}.  

==== Podmíněná pravidla a optimistické doplnění ====

Při optimistickém doplnění je podmíněné asociační pravidlo považováno za pravdivé 
v matici dat s neúplnou informací, pokud je pravdivé alespoň v jednom doplnění této matice. 
Podrobnosti jsou {{ :missings_podminena_pravidla_optimisticke_doplneni.pdf |zde}}.
==== Podmíněná pravidla a vynechání neúplné informace  ====

Podstatou vynechání neúplné informace je, že se pro verifikaci využije 
čtyřpolní tabulka vzniklá vynecháním polí, která se týkají chybějící informace. 
Podrobnosti jsou {{ :missings_podminena_pravidla_vynechani.pdf |zde}}.
==== Podmíněná pravidla a ignorování neúplné informace ====

Při zpracování se neúplná informace ignoruje v tom smyslu, že kód 
chybějící hodnoty X se považuje za speciální kategorii. Tato kategorie zůstává 
skryta a nelze ji použít při zadání relevantních koeficientů. Podrobnosti jsou 
{{ :missings_podminena_pravidla_ignorovani.pdf |zde}}.
Metoda GUHA a systém LISp-Miner

Uživatelské nástroje

Nástroje pro tento web

Nástroje pro stránku
