Extração de Regras de Associação
em Bases de Dados
por Algoritmos Genéticos
Autores:
Pontifícia Universidade Católica do Rio de Janeiro
Marco A. C. Pacheco
Marley M. R. Vellasco
Carlos H. P. Lopes
Emmanuel P. L. Passos
Apresentação:
Universidade Federal do Pará
Luiz Daniel Creão Augusto
Priscila Corrêa Saboia
Dezembro de 2004
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
Roteiro
1. Introdução
2. Algoritmos Genéticos em Mineração de Dados
3. O modelo de AG
4. A ferramenta Rule-Evolver
5. Estudo de Caso: Iris Plant DB
6. Estudo de Caso: Tic-Tac-Toe Endgame DB
7. Considerações Finais
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
1. Introdução
Proposta do artigo
 Apresentar um modelo genético e uma
ferramenta (Rule-Evolver) para a geração de
regras de classificação de registros em
Bancos de Dados (BD).
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
1. Introdução – AG’s
Algoritmos Genéticos: Idéia
 Algoritmos de busca e otimização baseados
nos princípios biológicos da seleção natural e
da recombinação gênica.
 O
funcionamento
é
baseado
na
sobrevivência e recombinação dos indivíduos
mais aptos no decorrer de uma série de
gerações.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
1. Introdução – AG’s
Funcionamento básico
1. Inicialmente é gerada uma população
formada por um conjunto aleatório de
indivíduos que podem ser vistos como
possíveis soluções do problema.
2. Durante o processo evolutivo, a população é
avaliada. Para cada indivíduo é dada uma
nota, ou índice, refletindo sua habilidade de
adaptação a determinado ambiente.
3. Uma porcentagem dos mais adaptados é
mantida,
enquanto
os
outros
são
descartados.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
1. Introdução – AG’s
Funcionamento básico
1. Os membros mantidos pela seleção podem
sofrer modificações em suas características
fundamentais por meio de mutações e
cruzamento ou recombinação genética
gerando descendentes para a próxima
geração.
2. Esse processo é repetido até que uma
solução satisfatória seja encontrada
(normalmente número máximo de gerações
ou solução satisfatória).
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
1. Introdução – AG’s
Fluxo básico de um AG
Início
t = 0;
Iniciar P(t);
Avaliar P(t);
Enquanto (Condição de parada não for satisfeita) Faça
Início
Selecionar P(t +1) de P(t);
Aplicar Cruzamento em P(t +1);
Aplicar Mutação em P(t +1);
Avaliar P(t +1);
t = t +1;
Fim
Fim
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
2. AG’s em Mineração de Dados
Classificação com AG’s
A classificação no contexto de Algoritmos
Genéticos consiste na evolução de regras de
associação da forma SE-ENTÃO, de alta
acurácia e abrangência.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
2. AG’s em Mineração de Dados
Medição de qualidade das soluções
encontradas
Para medir a qualidade das soluções
encontradas defini-se acurária e abrangência de
uma regra.
Considere C um conjunto de atributos preditivos
(condição da regra) e P, a previsão, ou classe
do registro.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
2. AG’s em Mineração de Dados
Qualidade das soluções encontradas
A acurácia de uma regra de associação da
forma SE C ENTÃO P mede o grau de
confiança da regra.
A abrangência de uma regra pode ser
interpretada como a cobertura de registros
da classe P que satisfazem a regra.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
A modelagem de um algoritmo genético
consiste da definição de 4 componentes
principais:
• Representação do cromossoma – estrutura de
dados que representa uma solução do problema;
• Avaliação – medida da qualidade de uma
determinada solução;
• Operadores genéticos – atuam no processo de
reprodução criando e/ou alterando indivíduos;
• Inicialização da população – método que
determina a população inicial.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
Representação do cromossomo
Um cromossomo deve ser capaz de representar uma
regra de associação através da faixa de valores dos
atributos preditivos, categóricos ou quantitativos.
No cromossomo proposto, um gene representa um
atributo preditivo.
Cada gene tem uma faixa de valores por atributo: os
números reais, os valores mínimo e máximo
Vantagem: Fácil interpretação da regra através da
visualização na forma de intervalo.
Desvantagem:
Requer
evolução
de
dois
valoresnúmeros reais para a faixa de cada atributo.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
Representação do cromossomo
Onde mín X e máx X indicam os valores mínimos e
máximos da faixa de valores de cada atributo preditivo
definido como quantitativo (para atributos categóricos,
somente mín é usado);
P é o valor do Atributo Objetivo, informado como meta no
início do processo, não fazendo parte do cromossomo
SE [ (Atributo 1 >= mín 1) e (Atributo 1 <= máx 1)
e (Atributo 2 >= mín 2) e (Atributo 2 <= máx 2) e ...
e (Atributo N >= mín N) e (Atributo N <= máx N)
] ENTÃO Atributo Objetivo = P
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
Avaliação
Cálculo da Avaliação Geral da Regra
• Não é baseada somente na avaliação da regra
• Prevê 3 tipos de recompensas: acurácia,
abrangência ou ambas.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
Avaliação
Cbayesianos
• Uma possível função de avaliação f(i)
• É inspirada em classificadores bayesianos,
representa o produto das probabilidades dos valores
dos atributos de uma regra pertencerem a um
intervalo, dado que a classe do registro corrente é a
especificada como objetivo.
P(A1 = a1|C = c) * P(A2 = a2|C = c) *...* P(Ak = ak|C = c)
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
Operadores Genéticos – Cruzamento
crossover de 1 e 2 pontos
crossover de média aritmética
crossover uniforme
Operadores Genéticos – Mutação
Mutação simples (troca aleatória de
informação)
Um novo operador de mutação denominado
don’t care.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
3. O Modelo de AG
Inicialização da população
Estudo de formas de inicializar o AG com restrições de
espaço de busca ou com soluções promissoras
Métodos de inicialização sem sementes:
– consistem em estabelecer os limites mín e máx na faixa
relevante à classe, incluindo o valor médio ou mediano
desses atributos.
Métodos de inicialização com sementes:
– utilizam material genético já evoluído em experimentos
anteriores ou informações da própria base de dados.
– Desse modo o modelo já inicia a busca por regras em
áreas mais promissoras.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
4. O Rule-Evolver
O Rule Evolver foi a ferramenta desenvolvida para
avaliação do modelo proposto, sendo capaz de extrair
regras de associação para a base dada.
Módulos do Rule-Evolver
–
–
–
–
Seleção de Atributos do BD
Interpretação
Visualização Gráfica
Parametrização do Ambiente
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
4. O Rule-Evolver: Módulos
Seleção de Atributos do BD permite ao usuário a
escolha dos atributos da base que serão
considerados pelas regras geradas;
Interpretação apresenta as melhores regras na
forma:
SE (A1 e A2 e ... An) ENTÃO P;
Visualização Gráfica apresenta gráficos de
acurácia, abrangência e aptidão durante a
evolução genética;
Parametrização do Ambiente permite o usuário a
customização de taxas, parâmetros, função de
avaliação, operadores e técnicas evolucionárias.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
5. Estudo de Caso: Iris Plant DB
150 registros em 3 classes: Setosa, Versicolour e Virginica
Atributos: largura e comprimento da pétala e da sépala
Dois grupos: 25 registros/classe para teste e treinamento
Erros: 3 classificados errados e 7 não classificados
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
6. Estudo de Caso: Tic-Tac-Toe
Configurações do jogo para 'x' ganhar, tendo começado
958 registros (x ganha 626) com diferentes 'tabuleiros'
70% treinamento, 30% teste (dos 626 – vencer ou não)
Erros: 4 classificações erradas e 3 não classificados
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
7. Considerações Finais
A Classificação de Registros através da evolução de
regras de associação por Algoritmos Genéticos, ainda que
tenham apresentado erros acima de outros métodos, é um
técnica bastante promissora.
A grande vantagem de se extrair regras por AG é que elas
são facilmente entendidas, mesmo para um usuário.
O modelo genético é capaz de gerar regras de alta
precisão e abrangência, e sem conflitos para os intervalos
presentes no treinamento.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia
Extração de Regras de Associação em Bases de Dados por
Algoritmos Genéticos
7. Considerações Finais
O modelo ainda é um pouco deficiente na geração de
regras suficientemente genéricas durante a fase de
treinamento que sejam altamente precisas nos testes.
Possível solução: variação de mutação (Creep) que
estenda a faixa de valores de um atributo até antes de
valores que o classificariam como outra classe.
Tempo de Execução do Rule-Evolver: 6 minutos em um
Pentium II 350MHz para avaliar 80 gerações de 100
indivíduos.
Luiz Daniel Creão Augusto e Priscila Corrêa Saboia