OZ-tlac

Prepis

1 Objavovanie znalostí Prečo o vznikla táto t to oblasť výskumu? OBSAH PREDNÁŠKY Proces objavovania znalostí Prečo? Základné pojmy Príklady aplikácií Dátové sklady Predspracovanie dát Asociačné pravidlá Klasifikácia/predikcia KDD Package 1 Trojnásobok informácií vyprodukovaných každým ďalším rokom od roku 2001 v porovnaní s predchádzajúcim rokom Veľmi málo vyprodukovaných informácií niekedy uvidí človek Objavovanie znalostí je nutné aby dáta mohli byť pochopené a užitočne využité 2 Základné definície Súvisiace oblasti výskumu Objavovanie znalostí v databázach (Knowledge Discovery in Databases) je proces semiautomatickej extrakcie znalostí z databáz. Tieto znalosti musia byť: platné (v štatistickom zmysle) doposiaľ neznáme potenciálne užitočné (pre danú aplikáciu) KDD je iteratívny a interaktívny proces iteratívny znamená, že jednotlivé kroky sa často opakujú v rôznych iteráciách interaktívny znamená, že sa nedá realizovať úplne bez asistencie človeka 3 strojové učenie štatistika dolovanie v dátach a objavovanie znalostí vizualizácia databázy 4 Typické aplikačné oblasti KDD (1) Typické aplikačné oblasti KDD (2) Marketing Individuálna reklama Segmentácia trhu identifikácia rôznych skupín zákazníkov Hodnotová (ako často nakupuje, za koľko, kedy naposledy) Behaviorálna (podľa typického správania sa zákazníkov) Cielený marketing Up sell - komu ešte predáme? Máme databázu zákazníkov, chceme ponúknuť nový produkt a môžeme osloviť z nich ktorí to majú byť, aby sme predali čo najviac produktov? Cross sell -čo mu ešte predáme? Máme e-shop a chceme nakupujúcim poskytnúť čo najvyšší komfort pri objednávaní akéďalšie produkty im ponúknuť, ak si kupujú produkt XY? 5 Na základe sledovania osobného správania sa na webe (NewYorkTime grátis po registrácii osobných údajov) Chockstone vernostné zákaznícke ponuky a služby (analyzovaním platieb daného zákazníka v reštauráciách konkrétneho reťazca) Vedecké aplikácie Astronómia: SKICAT rozhodovacie stromy pre automatickú klasifikáciu objektov Bioinformatika napr. analýza dát o génoch a rôznych typoch (dedičných) ochorení 6 1

2 2 Typické aplikačné oblasti KDD (3) Proces objavovania znalostí Manažment rizika Aplikačné modely požičiame mu? Behaviorálne modely požičali sme, vráti? Ponúkame naše pôžičky skoro každému, ale 10% klientov nám ich nespláca a my tak strácame. Možno tomu predísť? Odchod zákazníkov (Churn) Voluntary prejde ku konkurencii? Zruší objednané služby? Každý mesiac nám odíde 5% zákazníkov ku konkurencii. Ak by sme ich poznali vopred, udržíme si ich. Ktorí to budú? Involuntary (Fraud) zneužije naše služby? Poisťujeme autá, avšak máme 2x viac hlásených poistných udalostí, ako je priemer v okolitých krajinách a ich prešetrovanie nás stojí nemalé prostriedky. Nevieme automaticky odlíšiť oprávnené udalosti od špekulatívnych? 7 Dolovanie v dátach (DM z angl. Data Mining) je kľúčovým krokom procesu objavovania znalostí. Dátový sklad 1. Čistenie dát Relevantné dáta 4. Transformácia 2. Integrácia dát 5. Dolovanie v dátach 3. Výber dát Zdroje dát (DB, textové súbory...) 7. Vyhodnotenie vzorov 6. Reprezentácia vzorov 8 Jednotlivé kroky procesu objavovania znalostí 1. Pochopenie aplikácie a doterajších poznatkov Existujúce relevantné znalosti a cieľ procesu KDD 2. Čistenie dát odstránenie zašumených a nekonzistentných dát 3. Integrácia dát z viacerých zdrojov (často heterogénnych) 4. Výber dát relevantných pre daný cieľ (analýza atribútov) 5. Transformácia dát do reprezentácie vhodnej pre daný cieľ procesu KDD (napr. diskretizácia) 6. Dolovanie v dátach aplikácia inteligentných metód pre získanie platných vzorov (najdôležitejšie DM úlohy sú popis, asociačné pravidlá, klasifikácia/predikcia a zhlukovanie) 7. Vyhodnotenie nájdených vzorov aplikácia zvolených mierok zaujímavosti s cieľom identifikovať skutočne zaujímavé vzory 8. Prezentácia vzorov (znalostí) techniky reprezentácie znalostí a ich vizualizácie explicitné znalosti 9. Použitie objavených znalostí v danej aplikácii 9 Dátové sklady (1) Motivačný príklad Predstavte si, že AllElectronics je úspešná medzinárodná obchodná spoločnosť s pobočkami po celom svete. Každá pobočka má svoju vlastnú skupinu databáz. Prezident AllElectronics Vás požiada o vypracovanie analýzy predajov spoločnosti pre jednotlivé položky a jednotlivé pobočky za 3. štvrťrok. Ide o ťažkú úlohu (kontaktovať jednotlivé pobočky, vyžiadať si relevantné údaje a potom ich zosumarizovať). Ak by ale spoločnosť mala dátový sklad, stačil by len správny pohľad do neho. 10 Dátové sklady (2) Cieľ budovania dátových skladov: poskytnúť architektúry a nástroje na systematickú organizáciu, pochopenie a použitie dát pre podporu strategických rozhodnutí Kvôli podpore rozhodovania sú dáta v dátovom sklade organizované okolo hlavných subjektov (napr. položka, pobočka, čas a pod.) Poskytujú historickú perspektívu (napr. posledných 5 10 rokov) Obsahujú sumarizované údaje (namiesto uloženia všetkých jednotlivých transakcií) Dátový sklad je spravidla modelovaný ako multidimenzionálna databázová štruktúra, kde: Dimenzia = atribút (alebo množina atribútov) v schéme Každá bunka obsahuje hodnotu nejakej agregovanej veličiny (napr. počet, alebo súčet a pod.) TV PC video súčet produkt Príklad dátovej d kocky časové obdobie Celkové ročné (napr. štvrťrok) predaje TV v USA súčet USA Kanada Mexiko súčet krajina 11 12

3 3 Dátové sklady (3) Definícia (W.H. Inmon): Dátový sklad je subjektovo orientovaná, integrovaná, jednoznačná kolekcia historických dát pre podporu rozhodovania manažmentu. Subjektovo orientovaná nie na každodenné transakcie, ale modelovanie pre analytické a rozhodovacie účely hlavné subjekty Integrovaná integrácia viacerých heterogénnych dátových zdrojov Historické dáta historická perspektíva, (napr rokov) Jednoznačná nemenná (rovnaký dotaz dá stále rovnaký výsledok) OLAP (On-Line Analytical Processing) sú operácie poskytované nad dátovým skladom za účelom umožnenia prezentovať dáta na rôznych úrovniach abstrakcie (t.j. akési manuálne dolovanie v dátach) Cieľom je analýza dát a rozhodovanie OLTP (On-Line Transaction Processing) Cieľom sú on-line transakcie a spracovanie dotazov 13 Dátové sklady (4) Dátová kocka je multidimenzionálny dátový model, ktorého hlavným motívom je efektívne uloženie generalizovaných dát. Dátová kocka má 2 typy atribútov: Dimenzie = nezávislé atribúty ako napr. výrobok, zákazník, pobočka, časové obdobie, a pod. Veličiny = závislé atribúty, t.j. numerické atribúty ako napr. počet, zisk, a pod. Dimenzie vymedzujú viacrozmerný dátový priestor - pole, v ktorého bunkách sú uložené veličiny pre príslušnú časť priestoru. Každá dimenzia: je reprezentovaná tabuľkou dimenzie je vo všeobecnosti popísaná viacerými atribútmi (napr. tovar môže byť popísaný menom, kódom, typom a dodávateľom) Ak je atribútov v rámci jednej dimenzie viac, tieto sú obvykle organizované do hierarchie Všetky možné hodnoty jednotlivých atribútov danej dimenzie vytvárajú potom stromovú štruktúru, t.j. tzv. hierarchiu konceptov 14 Príklad úplne usporiadanej hierarchie (a zodpovedajúca hierarchia konceptov) všetky všetky kontinent Európa... Severná Amerika krajina Slovensko... Nemecko Kanada... Mexiko mesto Košice... Vancouver... Toronto pobočka St.mesto Terasa L. Chan... M. Wind čas čas_kľúč deň deň_v_týždni mesiac štvrťrok rok pobočka Príklad hviezdicovej schémy pobočka_kľúč pobočka_meno pobočka_typ veličiny Tabuľka faktov Predaje čas_kľúč položka_kľúč pobočka_kľúč sídlo_kľúč predaných_kusov tržba_v_sk priemer_predajov položka položka_kľúč položka_meno druh typ dodávateľ_typ sídlo sídlo_kľúč ulica mesto kraj/oblať krajina Typické operácie OLAP Roll up (drill-up): agregácia na dátovej kocke, a to buď vystupovaním smerom hore v hierarchii konceptov, alebo redukciou dimenzií (odstránenie jednej alebo viac dimenzií) Drill down (roll down): inverzná operácia k roll-up, t.j. buď zostupovaním smerom dole v hierarchii konceptov, alebo pridaním nových dimenzií Slice and dice: Projekcia a výber cez jednu (slice), alebo viac (dice) dimenzií v dátovej kocke. Výsledkom je podmnožina dátovej kocky 17 TV video PC produkt Roll-up mesiac TV video PC produkt USA 4470 Kanada 2940 Mexiko... štvrťrok USA Kanada 2940 Mexiko krajina Drill-Down krajina 18

4 4 Prečo o predspracovanie dát? d Hlavné úlohy predspracovania Dáta z reálneho sveta nie sú dokonalé, ale často: neúplné: chýbajúce hodnoty atribútov, alebo chýbajúce atribúty, ktoré môžu byť zaujímavé, obsahujú šumy: t.j. chyby alebo veľmi odchýlené hodnoty nekonzistentné: nesúlad v názvoch a odkazoch Bez kvalitných dát nemožno dosiahnuť dobré výsledky dolovania (objavovania znalostí) Kvalitné rozhodnutia musia byť založené na kvalitných dátach Dátový sklad si vyžaduje konzistentnú integráciu kvalitných dát Čistenie Vyplniť chýbajúce hodnoty Vyhladiť poruchy identifikovaním vzdialených hodnôt (vyhladzovanie, zhlukovanie, regresia, kombinácia počítača a ľudskej kontroly a pod.) Integrácia Identifikácia tých istých entít v rámci rôznych zdrojov dát Detekcia a odstránenie konfliktov v údajoch spôsobených napr. rozdielnymi veličinami alebo reprezentáciami Transformácia Normalizácia (min-max; na strednú hodnotu; decimálna) Diskretizácia (t.j. prevod numerických na nenumerické atribúty) Generalizácia zovšeobecnenie (využitie hierarchie konceptov) Redukcia (výber) Redukcia dimenzionality výber atribútov Redukcia početnosti dát výber príkladov (vzoriek) Dolovanie v dátachd Dolovanie v dátach (z angl. data mining) je aplikácia inteligentných metód pre získanie platných vzorov Ide o kľúčový krok v procese KDD, aj keďčasovo najnáročnejšie sa ukazuje samotné predspracovanie dát Najdôležitejšie typy úloh dolovania v dátach sú: 1) Popisné dolovanie v dátach: a) Popis konceptov (zovšeobecňovanie) sa snaží poskytnúť stručný a výstižný popis určitej množiny dát (konceptu) b) Asociačné pravidlá c) Zhlukovanie proces zoskupovania fyzických alebo abstraktných objektov do tried podobných objektov 2) Prediktívne dolovanie v dátach: a) Klasifikácia b) Predikcia 21 Asociačné pravidlá Dolovanie asociačných pravidiel znamená Hľadanie frekventovaných a zaujímavých asociácií (korelácií alebo kauzálnych vzťahov) v obrovskom množstve transakčných dát Aplikácie Analýza nákupného košíka pre podporu rozhodovacích procesov v obchode (krížový marketing, návrh katalógov a pod.) Príklady Pravidlá vo forme Telo Hlava [podpora, spoľahlivosť]. kupuje(x, pampersky ) kupuje(x, pivo ) [0.5%, 60%] Podpora (s) a spoľahlivosť (c) pravidla X Y: podpora (s) je pravdepodobnosť že transakcia obsahuje X aj Y spoľahlivosť (c) je podmienená pravdepodobnosť, že transakcia obsahujúca X obsahuje aj Y 22 Asociačné pravidlo (príklad) ID transakcie kúpené položky 2000 A,B,C 1000 A,C 4000 A,D 5000 B,E,F Min. podpora 50% Min. spoľahlivosť 50% Pre pravidlo A C: podpora = podpora({a, C}) = 2 / 4 = 50% spoľahlivosť = podpora({a, C})/podpora({A}) = 2 / 3 = 66.6% Princíp Apriori : Každá podmnožina frekventovanej množiny musí byť frekventovaná frekventované množiny položiek podpora {A} 75% {B} 50% {C} 50% {A,C} 50% 23 Dolovanie frekventovaných množín Ide o kľúčový krok pri dolovaní asociačných pravidiel Frekventovaná množina položiek = množina položiek spĺňajúca stanovený prah minimálnej podpory Každá podmnožina frekventovanej množiny položiek musí byť tiež frekventovaná! t.j., ak {AB} je frekventovaná množina položiek, tak potom aj {A} aj {B} musia byť frekventované množiny položiek Princíp dolovania asociačných pravidiel: 1. Iteratívne nájdi všetky frekventované množiny položiek veľkosti od 1 po k (k-položkové množiny)... algoritmus Apriori 2. Použi frekventované množiny položiek pre generovanie asociačných pravidiel spĺňajúcich danú minimálnu spoľahlivosť 24

5 5 Algoritmus Apriori príklad Klasifikácia a predikcia Databáza D p.množina s L p. množina s TID položky C {1} {1} {2} 3 {2} Prezri D {3} 3 {3} {4} 1 {5} {5} 3 C 2 p. množina s C p. množina 2 L 2 p. množina s {1 2} 1 Prezri D {1 2} {1 3} 2 {1 3} 2 {1 3} {2 3} 2 {1 5} 1 {1 5} {2 5} 3 {2 3} 2 {2 3} {3 5} 2 {2 5} 3 {2 5} {3 5} 2 {3 5} C 3 p. množina {2 3 5} Prezri D L 3 p. množina s {2 3 5} 2 25 Klasifikácia: Predikuje kategorické označenia tried (predikovaný atribút je nominálny) Predikcia: Modeluje funkcie spojitých premenných, t.j. predikuje neznáme alebo chýbajúce hodnoty spojitého atribútu (predikovaný atribút je numerický) V oboch prípadoch ide o dvojkrokový proces: 1. Model sa konštruuje na základe trénovacej množiny, u ktorej máme informácie o predikovanom atribúte 2. Skonštruovaný model potom využíva pre klasifikáciu, resp. predikciu nových príkladov (hodnotu predikovaného atribútu ešte nepoznáme) 26 Malý príklad úlohy na klasifikáciu 27 Príklad trénovacej množiny - klasifikácia Teplota Vlhkosť Počasie Vietor? Trieda [ C] [%] Slnečno Áno Hrá sa Slnečno Áno Nehrá sa Slnečno Nie Nehrá sa Slnečno Nie Nehrá sa Slnečno Nie Hrá sa Zamračené Áno Hrá sa Zamračené Nie Hrá sa Zamračené Áno Hrá sa Zamračené Nie Hrá sa Dážď Áno Nehrá sa Dážď Áno Nehrá sa Dážď Nie Hrá sa Dážď Nie Hrá sa Dážď Nie Hrá sa 28 Príklad skonštruovan truovaného klasifikačného modelu vo forme rozhodovacieho stromu Teplota > Nehrá sa Počasie slnečno zamračené dážď Malý príklad úlohy na predikciu Vlhkosť Hrá sa Vietor 80 > 80 áno nie Hrá sa Nehrá sa Nehrá sa Hrá sa 29 30

6 (Y) 6 Príklad trénovacej množiny predikcia Daná je tabuľka dvojrozmerných hodnôt Nezávislá premenná X označuje počet rokov praxe daného absolventa vysokej školy Predikovaná premenná Y vyjadruje výšku jeho zárobku v tisícoch dolárov ročne Počet rokov praxe Príjem Príklad skonštruovan truovaného predikčného modelu vo forme regresnej priamky Z údajov možno vypočítať lineárny regresný model v tvare: Y = X Použitím tejto rovnice možno napr. predikovať, že absolvent danej vysokej školy s 10-ročnou (t.j. pre X=10) praxou by mal zarábať okolo ,- dolárov ročne (Y=23,6 + 3,5*10) Grafické znázornenie zornenie lineárneho predikčného modelu Postup pri prediktívnej analýze Trénovacie dáta Cieľ predikcie Testovacie dáta Znalosti Model (X) Nové dáta Predikcia Príklad kto nepodá daňov ové priznanie? Dáta o subjektoch za minulý rok Ciele: - urýchliť a zvýšiť výber daní - zistiť kto a prečo nepodáva priznania Dáta o subjektoch za predminulý rok Nové dáta o subjektoch za tento rok Nepodané/nesprávne priznania v minulom roku Výstupy: - poradie auditu podľa hodnoty rizika - informačná kampaň pre rizikové skupiny Nepodávajú: - nové subjekty (15%) - neziskovky (9%) If then... else - stratové firmy (5%) z = a +b*x + c*y + ID P Skupina IČO1 30% Vysoké riziko IČO2 5% Stredné riziko IČO3 1% Nízke riziko Dáta dostupné na: % target v skupine 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% Čo o chceme dosiahnuť prediktívnym modelom? 40% 25% Model vs. bežný výber 14% 8% 4% 3% 2% 2% 1% 1% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% % celkového počtu klientov Náhodný výber pozitívne prípady rovnomerne distribuované Ideálny model všetky pozitívne prípady na jednej strane Reálny model čím viac pozitívnych prípadov na jednej strane 36 model random

7 7 Metodológia vyhodnotenia (1) Metodológia vyhodnotenia (2) A Univerzum klientov C B D Najvyššia šanca Najnižšia šanca A najlepší klienti, oslovená skupina B najlepší klienti, neoslovená (kontrolná) skupina C ostatní klienti, neoslovená skupina D ostatní klienti, oslovená skupina S k ó r e Efekt oslovenia (úspešnosť A / úspešnosť B) vyjadruje prínos dosiahnutý komunikáciou s klientom oproti situácií, kedy klient nebol oslovený žiadnou ponukou. Efekt cielenia (A+B)/(C+D) vyjadruje koľko krát je vyššia úspešnosť vo vybranej skupine oproti úspešnosti medzi ostatnými klientmi Lift cielenia (A+B)/(A+B+C+D) koľko kráť je vyššia úspešnosť vo vybranej skupine oproti priemernej úspešnosti v celej populácií Ako vybrať správnu veľkosť oslovenej skupiny? Závisí od strategických plánov, nákladov na oslovenie a prínosu z pozitívnej reakcie Finančný prínos = (Počet reakcií * Zisk z reakcie) (Počet oslovených * Náklady na oslovenie) Paušálne náklady Príklad z praxe splátkov tková spoločnos nosť Príklad pokračovanie ovanie Predstavme si konkrétny produkt, pôžičku SKK na 2 roky, so splátkou 1199 SKK mesačne Priemerný mesačný predaj: 5000 pôžičiek Priemerná miera nesplácania: 10% z celkového počtu, t.j. 500 pôžičiek mesačne Odhad hrubého zisku na pôžičku: 1199* SKK = 8776 SKK (na jednu splatenú pôžičku) Odhad priemernej straty na pôžičku: SKK Priemerný zisk: 8776 * 5000 * 0.9 = SKK Priemerná strata: * 5000 * 0.1 = SKK 10 mil. straty čo s tým môžu urobiť? 39 Možno použiť prediktívnu analýzu založenú na takýchto dátach: 04/ /2005 Splatí / Nesplatí? 10/2007 Historické dáta Výber Sledované obdobie Dáta o splácaní predošlých úverov Dáta zo žiadosti o pôžičku Dáta o iných kúpených produktoch Štatistiky regiónu Model predikujúci pravdepodobnosť, že dotyčný žiadateľ pôžičku nesplatí P(nesplatí) Usporiadať klientov podľa P(nesplatí) a vytvoriť napr. 100 skupín po 1% klientov a vyhodnotíme: 40 % Pop # good # bad # total Lift Výsledok Úspora 0% n/a Sk 0 Sk 1% Sk Sk 2% Sk Sk 3% Sk Sk 4% Sk Sk 5% Sk Sk 6% Sk Sk 7% Sk Sk 8% Sk Sk 9% Sk Sk 10% Sk Sk 11% Sk Sk 100% Sk Sk 41 Príklad pokračovanie ovanie Lift a finančný efekt skupín v grafickom vyjadrení: Ak zamietneme 2% až 6% žiadostí o pôžičku, ušetríme mesačne vyše 1.5 mil. Sk 42

8 8 KDD Package Ide o integrované pracovné prostredie pre podporu celého procesu KDD Vyvinutý na KKUI, FEI TU Košice v rámci projektu GOAL ( Voľne dostupný na výskum a vzdelávanie ( Systém je otvorený a umožňuje ďalšie rozširovanie Hlavné ciele pri vzniku systému: Rýchle pripojenie na rôzne dátové zdroje (najmä dátové sklady, SQL databázy, textové súbory...) Názorná a flexibilná podpora predspracovania dát, najmä výber a transformácia dát (operácie nad riadkami a stĺpcami) Systém má byť otvorený pre ďalšie možné rozširovanie o nové techniky predspracovania, dolovania v dátach... Podpora pilotných aplikácií projektu GOAL (1. analýza predajov vstupeniek na návštevy kultúrnych pamiatok v južných Čechách, resp. 2. predikcia spotreby pitnej vody) 43 Existujúce DM moduly Na základe spomenutých pilotných aplikácií v projekte GOAL boli vyvinuté 4 moduly podporujúce 2 rôzne DM úlohy 1. Klasifikácia Rozhodovacie zoznamy (algoritmy CN2, RISE a viaceré techniky pre obojsmernú indukciu rozhodovacích pravidiel) Rozhodovacie stromy (algoritmus C4.5) 2. Predikcia Modelové stromy (M5 ) umožňujúce aj generovanie lineárnych regresných modelov a regresných stromov Učenie založené na inštanciách (so zabudovaným evolučným algoritmom pre optimalizáciu váh najbližších susedov... ) 44 Štruktúra ra KDD package Grafické používate vateľské rozhranie DB, Dátový sklad, Textový súbor Prístup k dátam Vizuálne nástroje pre manipuláciu s dátami Klasifikácia/ popis Predikcia Prístup k dátam Dolovanie v dátach Predspracovanie dát Operácie (undo/redo) Konfigurácia (nové DM moduly)... Moduly predspracovania dát Moduly DM Vizualizácia objavených znalostí ` Prístup k dátam d SQL wizard Vizualizácia dát SQL wizard Zoznam existujúcich aliasov Zvolená databáza Zoznam vytvorených pohľadov Rýchly náhľad Zoznam atribútov (stĺpce) Základné štatistiky o atribútoch 47 48

9 9 Výber dátd Detailný pohľad Dolovanie rozhodovacích ch zoznamov Nastavenia algoritmu CN2 Zoznam vytvorených pohľadov Vybrané stĺpce Vybrané riadky Základné informácie Nájdené zoznamy (pravidlá) Vizualizácia presnosti nájdených pravidiel Dolovanie rozhodovacích ch stromov Nastavenia parametrov C4.5 Odvodený rozhodovací strom v grafickej podobe Popis aktuálneho uzla stromu Dolovanie modelových stromov Nastavenia algoritmu M5 Modelový strom Odvodený rozhodovací strom v textovej podobe Distribúcia príkladov v aktuálnom uzle stromu 51 Listový uzol (lineárny model) 52 Predikcia učenu ením založeným na inštanci tanciách ch (1) Predikcia učenu ením založeným na inštanci tanciách ch (2) Váhy atribútov Počet susedov Váhy susedov Pracovný režim Korekčné váhy Parametre evolučného algoritmu Rôzne typy mierok chyby dosiahnutých pre danú množinu príkladov Výsledky predikcie pre jednotlivé prípady 53 54

10 10 Data Echocardiogram 2 Výsledky testov pre rozhodovacie zoznamy TWI-2P Rules CN2 Rules TWI-2P TWI-ID3 CN2 23 [11,12] ,2 ± 5,3 66,9 ± 6,9 68 ± 6,9 0 Glass [8, 17] 26 60,6 ± 6,1 62,8 ± 4,7 56,9 ± 5,2 Hayes-roth [18,3 ] 29 80,3 ± 3,4 81 ± 4,4 80,4 ± 4,6 Heart-desease [24,15] 52 78,7 ± 4,8 79,6 ± 4,3 78,6 ± 2,7 Hepatitis [13,7 ] 56 80,4 ± 4,4 81,3 ± 4,7 78,8 ± 4,3 Iris 20 7 [5, 2 ] 10 89,7 ± 7,4 93,8 ± 4,3 93,6 ± 2,4 Soybean [31,11] 41 85,6 ± 5,2 90,8 ± 2,3 89,7 ± 1,9 Thyroid-desease 2 30 [19,11] ± 1,5 97,8 ± 0,7 98,2 ± 0,8 Voting-records [12,8 ] ,6 ± 3 95,6 ± 2,4 95,4 ± 1,4 Wine 8 [4, 4 ] 11 93,1 ± 4,5 94,1± 3,9 92,9 ± 2,4 Výsledky modulu rozhodovacích ch pre prvú pilotnú aplikáciu Veľké skupiny cudzincov Stredné skupiny cudzincov (20 38) Menšie skupiny cudzincov (12 20) Malé skupiny zahraničných detí (8 12) Výsledky modelových stromov (predikcia výkonnosti procesorov) 1400, , ,00 800,00 600,00 400,00 200,00 0, Priemerná relatívna chyba na testovacej množine bola 29,971%, čo je lepšie ako dosiahli autori článku (34.1%) 57 Výsledky modulu učenia u založen eného na inštanci tanciách ch pre druhú pilotnú aplikáciu Lineárna regresia Regresný strom Modelový strom Vyhladený modelový strom Pruning factor MAE MSE RAE [%] Max. RAE [%] 218, ,403 76, ,47 1,1378E5 14, ,27 1,1445E5 15, , ,894 88,45 1,2 228,34 1,1194E5 14, , ,894 88, , ,268 80, , ,835 84, , ,171 85, Výsledky modulu učenia u založen eného na inštanci tanciách ch pre druhú pilotnú aplikáciu Priemerná relatívna chyba pre daný počet najbližších susedov meraná na testovacej množine (použité atribúty OUTFLOW_2, INFLOW_2, TEMP_15). NN TM1 TM2 Priemer Najlepší 3 12, , , , , , , , , , , , , , , ,85935 Popis: NN počet uvažovaných najbližších susedov TM1 Prvé meranie TM2 Druhé meranie 59