LabSOM - Laboratorio de Dinámica no Lineal

Bansy3
(Versión 1)
Minería de Datos con Redes Bayesianas
MANUAL DEL USUARIO
(Guía Rápida)
Autores:
M. en I. A. José Luis Jiménez Andrade
Laboratorio de Dinámica no Lineal, Dpto. Matemáticas,
Facultad de Ciencias, UNAM
M. en I. A. Arturo Alatriste Trujillo
Facultad de Física e Inteligencia Artificial,
Universidad Veracruzana
M. en C. Nieves Martínez de la Escalera Castells
Laboratorio de Dinámica no Lineal, Dpto. Matemáticas,
Facultad de Ciencias, UNAM
Dr. Manuel Martínez Morales
Facultad de Física e Inteligencia Artificial,
Universidad Veracruzana
Dr. Nicandro Cruz Ramírez
Facultad de Física e Inteligencia Artificial,
Universidad Veracruzana
Dr. Humberto Carrillo Calvet
Laboratorio de Dinámica no Lineal, Dpto. Matemáticas,
Facultad de Ciencias, UNAM
Noviembre de 2006
BANSY 3
Índice
Índice............................................................................ 2
Introducción................................................................... 3
Requerimientos del Programa ........................................... 3
Instalación ..................................................................... 3
Cómo cargar datos.......................................................... 3
Aprendizaje de la estructura de la red ............................... 5
Parámetros de la red (Tablas de probabilidades condicionales)
...................................................................................12
Inferencia .....................................................................13
Clasificación ..................................................................19
Organización de las ventanas ..........................................23
Referencias ...................................................................29
Minería de Datos con Redes Bayesianas
2
BANSY 3
Introducción
Este manual describe de forma breve las principales funciones
del programa BANSY3. BANSY3 incorpora algoritmos para el
aprendizaje de redes Bayesianas a partir de datos (datos
completos) y un par de módulos extras para evaluar la red
aprendida.
Requerimientos del Programa
El sistema esta programado en el lenguaje java ( j2SE 1.5.0),
para que funcione correctamente es necesario tener instalada
la maquina virtual de java y de preferencia una versión igual
o superior a la 1.5.0.
Instalación
La instalación es muy sencilla, lo único que hay que hacer es
copiar el archivo BANSY3.jar al lugar que se quiera residan
los archivos del programa. Para ejecutarlos solo haga doble
clic sobre dicho archivo.
Cómo cargar datos
El sistema solamente puede abrir tablas de datos en modo
texto, para este propósito puede emplearse herramientas
como Microsoft Excel, Bloc de Notas, WordPad. La forma en
que deben estar los datos es la siguiente: el nombre de las
variables debe ir en la primera línea y en las siguientes líneas
los casos. El sistema considera como variable dependiente a
la última de la línea.
Los datos se pueden cargar desde la barra de herramientas o
desde el menú principal.
Desde la barra de herramientas, haga clic en el icono carpeta.
Minería de Datos con Redes Bayesianas
3
BANSY 3
Desde el menú:
Enseguida aparece una ventana de diálogo estándar para la
selección de archivos.
Minería de Datos con Redes Bayesianas
4
BANSY 3
Como ejemplo abriremos el archivo Asia.txt
Al abrir un archivo el sistema genera una red sin arcos, y
acomoda las variables en un círculo. Usted debe tener una
ventana como la siguiente
En estos momentos el sistema esta preparado para correr
cualquier algoritmo, o incluso para crear una red
manualmente.
Aprendizaje de la estructura de la red
El menú de aprendizaje contiene los algoritmos que
pertenecen al familia de algoritmos Bayes: Bayes2 (MartínezMorales, 1995), Bayes5 (Cruz-Ramírez, 2001), Bayes9 (CruzRamírez, 2001) y BayesN (Jiménez-Andrade, 2004).
Para correr BayesN seleccione Aprendizaje / Bayes N
Minería de Datos con Redes Bayesianas
5
BANSY 3
y enseguida aparece una ventana de dialogo en la que se
deben poner los parámetros que necesita BayesN: porcentaje
del nivel de significancia global(G), profundidad (tamaño
máximo del conjunto condicionante, p) y porcentaje mínimo
de ganancia de información(%Imin). Por ejemplo, para G = 5
%, p = 3, y %Imin = 5.
Inmediatamente aparece una ventana en la que el sistema
muestra datos importantes: como la información mutua, la
etapa en la que va el algoritmo, etc.
Para ver los parámetros de la última corrida seleccione del
menú principal Ver / Parámetros,
Minería de Datos con Redes Bayesianas
6
BANSY 3
Podrá observar los parámetros empleados en la última
corrida, además de otros datos como número de variables,
número de casos y número de decimales deseados para
desplegar en la tabla de probabilidades.
Minería de Datos con Redes Bayesianas
7
BANSY 3
Para guardar este reporte pulse el botón
El reporte se guardará como texto plano, y usted podrá
abrirlo con algún procesador de palabras como WordPad ó
Microsoft Word.
Cuando el algoritmo termina, aparece una ventana con la red
Bayesiana. Esta red se puede modificar, si el usuario así lo
desea.
Minería de Datos con Redes Bayesianas
8
BANSY 3
Para guardar la imagen como un archivo *.gif pulse el botón
La imagen puede visualizarse con
Netscape, Imaging para Windows....
Internet
Explorer,
Los archivos *.CSV es recomendable abrirlos con Microsoft
Excel, pero también puede emplear procesadores de texto
como WordPad ó Microsoft Word.
Pulse
estructura:
para obtener un reporte con la siguiente
Nombre del nodo
Tabla de probabilidades del nodo
Tabla con datos de los nodos padre
Minería de Datos con Redes Bayesianas
9
BANSY 3
Reporte 1
Pulse
estructura:
para obtener un reporte con la siguiente
Nombre del nodo
Tabla de probabilidades del nodo. Tabla con datos de
los nodos padre
Minería de Datos con Redes Bayesianas
10
BANSY 3
Reporte 2
Minería de Datos con Redes Bayesianas
11
BANSY 3
Parámetros de
condicionales)
la
red
(Tablas
de
probabilidades
Al terminar de construir la red el algoritmo, llama a la rutina
encargada de calcular las probabilidades condicionales
asociadas a la red Bayesiana.
Dado que el usuario tiene la posibilidad de borrar, cambiar la
dirección o agregar nuevos arcos, debe recalcular las
probabilidades condicionales ante un cambio de este tipo. En
la siguiente figura se muestra el submenú para calcular las
probabilidades de la red. Hay que notar que el programa
utiliza la base de datos para calcular dichas probabilidades.
Para ver la tabla de probabilidades primero haga clic en la
ventana que tiene la red, posteriormente seleccione
Probabilidades / Tabla General de probabilidades
y obtendrá una ventana como esta:
Minería de Datos con Redes Bayesianas
12
BANSY 3
Para guardar la información de la tabla pulse el botón
Inferencia
Una vez que hemos calculados las tablas de probabilidades
estamos listos para realizar inferencia.
Control para
Variables de
Consulta
El método general utiliza la tabla de distribución conjunta
para hacer inferencia. Si la base de datos es pequeña, la
inferencia obtenida no es confiable. La figura muestra la
ventana para hacer inferencia.
Minería de Datos con Redes Bayesianas
13
BANSY 3
Selector de
Variables
Resultados
de la
Inferencia
El primer control, Selector de Variables, es poblado con los
nombres de las variables de la red Bayesiana cuando se carga
(cuando es mostrado por primera vez). Los dos controles que
siguen permiten manejar las variables de consulta y de
evidencia. La lógica de operación de estos controles es la
misma, por lo que al mostrar el uso de uno, se infiere el uso
del otro.
Lo primero que hacemos es seleccionar una variable:
Posteriormente hacemos clic en el botón de agregar:
Minería de Datos con Redes Bayesianas
14
BANSY 3
Como resultado obtenemos una variable agregada a la lista
de variables evidencia.
El siguiente paso es elegir el valor que toma la variable
evidencia. Para ello la seleccionamos en la lista. Con este
evento, suceden varias cosas. Lo primero es que el combo
que está debajo de la lista de variables es poblado con los
valores que puede tomar la variable que acabamos de
seleccionar. Por defecto se muestra el primer valor, pero
nosotros debemos seleccionar el que conocemos.
Minería de Datos con Redes Bayesianas
15
BANSY 3
Lo segundo que ocurre es que en el cuadro de texto en el que
se muestran los resultados se construye automáticamente la
probabilidad.
El mismo proceso se sigue para agregar variables de
consulta. Una vez que hemos seleccionada todas las variables
de evidencia y las de consulta, solo nos resta dar clic al botón
Calcular.
Minería de Datos con Redes Bayesianas
16
BANSY 3
El resultado es el siguiente:
El conjunto de controles permiten agregar y quitar variables
tanto de evidencia como de consulta. Podemos cambiar sus
valores y recalcular la probabilidad. El cuadro de salida va
agregando una línea por calculo. Si queremos limpiarlo
damos clic en el botón Borrar.
En la siguiente imagen se muestra un ejemplo. Se ha
agregado una nueva variable al conjunto de variables de
evidencia y se ha cambiado el valor de la que ya existía (Visit
Asia). Para la nueva variable se ha seleccionado el valor
Present.
Minería de Datos con Redes Bayesianas
17
BANSY 3
Minería de Datos con Redes Bayesianas
18
BANSY 3
Clasificación
Con esta opción del menú principal se puede observar que
tanto una red comprime los datos, es decir que tan buena es
la red.
Para usar la opción Hold-Out seleccione del menú
Clasificación / Hold-Out
posteriormente aparecerá esta ventana:
aquí puede especificarse cuantos casos se usarán para
aprender, para este ejemplo 66%, así que el 33% se usará
para predicción, es decir para revisar la certeza de la red.
En la carpeta BayesN podemos especificar los parámetros
Alfa Global, Profundidad y % de Ganancia de Información
Mínima.
Minería de Datos con Redes Bayesianas
19
BANSY 3
El reporte generado será similar a este
Minería de Datos con Redes Bayesianas
20
BANSY 3
Otra manera de verificar la red es con Cross-Validation de
menu de Clasificación
Aparecerá una ventana casi idéntica a la de Hold-Out. El
parámetro Fold indica cuantas veces hará aprendizaje y
predicción. Ya que la tabla de datos se dividirá tantos
fragmentos iguales como indique el parámetro Folds.
Posteriormente usará todos los fragmentos menos uno para
aprendizaje, y el restante para predicción. Al final de se
promedian los resultados.
Minería de Datos con Redes Bayesianas
21
BANSY 3
El reporte generado será similar a este:
Minería de Datos con Redes Bayesianas
22
BANSY 3
Organización de las ventanas
Para saber que ventanas tiene abiertas pulse Ventana en el
menú principal.
Para organizar seleccione Ventana / Organiza Ventanas
Podrá obtener diferentes maneras de organizar las ventanas,
ahora se presentan las imágenes de cómo quedan ordenadas
con las diferentes opciones
Minería de Datos con Redes Bayesianas
23
BANSY 3
Ventanas ordenadas en Cascada
Minería de Datos con Redes Bayesianas
24
BANSY 3
Ventanas ordenadas en Rejilla.
Minería de Datos con Redes Bayesianas
25
BANSY 3
Ventanas ordenadas en Mosaico horizontal
Minería de Datos con Redes Bayesianas
26
BANSY 3
Ventanas ordenadas en Mosaico vertical
Minería de Datos con Redes Bayesianas
27
BANSY 3
Ventanas ordenadas con Minimizar
Minería de Datos con Redes Bayesianas
28
BANSY 3
Ventanas ordenadas por Maximizar
Referencias
(Martínez-Morales, 1995) M. Martinez-Morales, An Algorithm for the
Induction of Probabilistic Networks from Data. XII Reunion Nacional
de Inteligencia Artificial, ITESM, Cuernavaca, Morelos, Mexico,
Limusa. (1995).
(Cruz-Ramírez, 2001) N. Cruz-Ramirez, Building Bayesian Networks
From Data: a Constraint Based Approach. Ph D Thesis. Department of
Psychology. The University of Sheffield. (2001).
(Jiménez-Andrade, 2004) J. L. Jiménez-Andrade. BayesN: Un
Algoritmo para Aprender Redes Bayesianas Clasificadoras a partir de
datos. Tesis de Maestría. Facultad de Física e Inteligencia Artificial.
(2004).
Minería de Datos con Redes Bayesianas
29