dmkdd-5 (revisi 14-08-2007).ppt

Knowledge Discovery in Databases (IS704)

dan Data Mining (CS704)

Kuliah #5:Classification (Bagian 1)

GunawanJurusan Teknik Informatika

Sekolah Tinggi Teknik SurabayaRevisi 14 Agustus 2007

April 22, 2023 Gunawan, Teknik Informatika STTS 2

Classification (1)

Sebelum bicara terlalu jauh, adalah baik jika kita mencoba memperhatikan beberapa captured slides yang menarik untuk memahami hakikat dasar Machine Learning

Sumber: www.cs.ucr.edu/~eamonn/205/MachineLearning.ppt.– ““The Pigeon Problem”The Pigeon Problem”

Jangan lupakan bahwa Data Mining adalah irisan dari salah satu subdisiplin Artificial Intelligence– Machine LearningMachine Learning.

http://www.cs.ucr.edu/~eamonn/205/MachineLearning.ppt


Classification (2)

Termasuk dalam Data Mining Task: Predictive Modeling. Diberikan himpunan examples (instances) yang telah

dipreklasifikasi (dilabeli) sebelumnya, {p1,t1}, {p2,t2}, ..... {pn,tn}, konstruksilah sebuah model yang dapat menyarikan pengetahuan dalam examples tersebut dan dapat digunakan untuk keperluan prediksi, yaitu memprediksi class/target dari instance yang belum dilabeli.– pi adalah vektor input, sedangkan ti adalah target (class) terkait.– Examples yang digunakan untuk membentuk model disebut

sebagai training set.


Classification (3)

Ukuran sukses klasifikasi biasanya diukur dengan menguji data baru (fresh data) yang tidak digunakan sebagai training set, tetapi labelnya juga telah diketahui sebelumnya.

Kemudian dihitung proporsi jumlah data/instance yang dapat diklasifikasi secara benar (akurasinya).

Dikenal term-term seperti 80:20 atau 75:25 atau 70:30 yang menunjukkan perbandingan persentase (training set : testing set).


Classification (4) Definisi yang lebih memperjelas peran

classification dalam mining database:– Diberikan sebuah database P = {p1, p2, ....., pn} dari

sejumlah tuples (atau items / records / examples / instances) dan himpunan class T = {t1, t2, ....., tm}, classification problem adalah mendefinisikan suatu pemetaan f : P T yang mengarahkan pi ke dalam salah satu class tj.

Walaupun terdapat model lainnya (mis. Naïve Bayes), model yang mendefinisikan pemetaan tersebut biasanya berupa varian dari:– Classification rules– Classification tree


Contoh Classification Diberikan examples berikut:

Bangunlah sebuah model yang dapat memprediksi class dari instance outlook=sunny, temperature=hot, humidity=low, dan windy=true.


Masalah pada Jenis Atribut yang Diklasifikasi

Terdapat 2 (dua) tipe utama atribut:– Numerik – nilai-nilainya adalah angka.– Nominal – nilai-nilainya termasuk dalam beberapa kemungkinan yang

jumlahnya terbatas dan dispesifikasi sebelumnya.


Termasuk pada Target Atributnya Input Attributes dan Target Atrribute, semua numerik:

Cycle time (ns)

Main memory (Kb)

Cache (Kb)

Channels Performance

MYCT MMIN MMAX CACH CHMIN CHMAX PRP

1 125 256 6000 256 16 128 198

2 29 8000 32000 32 8 32 269

…207

…125

…2000

…8000

…0

…2

…14

…52

208 480 512 8000 32 0 0 67

209 480 1000 4000 0 0 0 45

Solusi “Tidak Sederhana”“Tidak Sederhana” Linear Regression:PRP = -55.9 + 0.0489 MYCT + 0.0153 MMIN + 0.0056 MMAX

+ 0.6410 CACH - 0.2700 CHMIN + 1480 CHMAX


1R Diperkenalkan oleh R.C. Holte (1983).(*)

Dikenal juga dengan “1-R Holte”. 1R sendiri adalah kependekan dari “1-rule” atau “Infering

Rudimentary Rule” (?) Output algoritma 1R adalah “one level decision tree” yang dapat

disajikan juga melalui sebuah classification rule sets. 1R tidak menekankan akurasi sempurna atau 100% benar pada rule

sets yang dihasilkan. 1R tidak pernah dipertimbangkan sebagai salah satu pendekatan

formal dalam Machine Learning atau Data Mining. Namun tetap harus diingat: “Mengapa harus dipusingkan dengan

sebuah decision tree yang kompleks, ketika sebuah rule sets sederhana dapat melakukannya?”(*) Holte, R.C. 1993. Very simple classification rules perform well on most commonly used datasets. Machine Learning, 11:63-90.


Algoritma 1R

FOR EACH atribut FOR EACH value dari atribut ini, bentuk sebuah rule sets dengan cara Menghitung seberapa sering sebuah kelas dihasilkan dari pasangan atribut=value ini Dapatkan sebuah kelas yang paling banyak dihasilkan atribut dengan value ini Tambahkan sebuah rule “IF atribut = value THEN kelas” ke dalam rule sets Hitunglah tingkat kesalahan dari rules set iniPilihlah sebuah rules set dengan tingkat kesalahan terkecil


Weather Problem DatasetsOutlook Temperature Humidity Windy PlaySunny Hot High Weak NoSunny Hot High Strong NoOvercast Hot High Weak YesRain Mild High Weak YesRain Cool Normal Weak YesRain Cool Normal Strong NoOvercast Cool Normal Strong YesSunny Mild High Weak NoSunny Cool Normal Weak YesRain Mild Normal Weak YesSunny Mild Normal Strong YesOvercast Mild High Strong YesOvercast Hot Normal Weak YesRain Mild High Strong No


1R-Holte untuk Weather Problem

Tanda * = Pilihan Random


PRISM Diperkenalkan oleh J. Cendrowska (1987).(*)

Termasuk kategori algoritma covering, berbeda dengan ID3 yang termasuk dalam kategori algoritma divide and conquer.

Disebut dengan pendekatan covering, karena pada setiap stage diidentifikasi rule yang mengcover sejumlah instances.

Output algoritma PRISM adalah sejumlah classification rules.

PRISM hanya menghasilkan rule-rule yang sempurna atau 100% benar.(*) Cendrowska, J. (1987). PRISM: an Algorithm for Inducing Modular Rules. International Journal of Man-Machine Studies, Vol. 27, No. 4, pp. 349-370.


Prinsip Algoritma Covering

Space untuk semua instances/examples

Yang dicover rules sejauh ini

Rules yang akan ditambahkan kemudian

Classification Rules untuk Masalah yang Sama:IF x<=1.2 THEN kelas=bIF x>1.2 AND y>2.6 THEN kelas=aIF x>1.2 AND y<=2.6 THEN kelas=b

Bagaimana dengan Decision Treenya?


Algoritma PRISMFOR EACH kelas c Inisialisasi E dengan instance set WHILE E mengandung instances dalam kelas C Bentuk sebuah rule dengan LHS kosong yang meprediksi kelas C UNTIL R sempurna (tak ada atribut yang dapat dipakai), lakukan FOR EACH atribut A yang tidak termasuk R,dan tiap nilai v, Pertimbangkan untuk menambah kondisi A=v pada LHS dari R Pilih A dan v untuk memaksimalkan akurasi p/t (tips: pilih kondisi dengan nilai P yang terbesar) Tambahkan A=v ke dalam R Hapuslah semua instance yang tercover oleh R dari E

Catatan:p = positive examples dari suatu kelast = total instances


Contact Lens Dataset Berdasarkan kondisi apa seorang ahli optik akan menyarankan

seseorang yang mengalami gangguan mata: menggunakan soft contact-lense, menggunakan hard contact-lenses, atau justru tidak disarankan menggunakan contact-lense?

Diperkenalkan juga oleh J. Cendrowska. Catatan terms:

– spectacle prescription = peruntukan kaca mata yang diketahui– myope = rabun dekat– hypermetrope = rabun jauh– astigmatism = pandangan kabur, "lack of point focus…..”, “an

astigmatism refers to an irregular curvature of the cornea”.– presbyopic ( > +45 tahun) = batas usia lazimnya untuk mampu melihat

obyek pada jarak jauh (45 tahun)– pre-presbyopic ( < +45 tahun) = sebelum masa presbyopic

Sumber term: WordNet 2.0, http://www.allaboutvision.com/askdoc/astigmatism.htm


Contact Lens Datasetage spectacle

prescriptionAstigmatism tear production

ratereccomended lenses

young myope no reduced noneyoung myope no normal softyoung myope yes reduced noneyoung myope yes normal hardyoung hypermetrope no reduced noneyoung hypermetrope no normal softyoung hypermetrope yes reduced noneyoung hypermetrope yes normal hardpre-presbyopic myope no reduced nonepre-presbyopic myope no normal softpre-presbyopic myope yes reduced nonepre-presbyopic myope yes normal hardpre-presbyopic hypermetrope no reduced nonepre-presbyopic hypermetrope no normal softpre-presbyopic hypermetrope yes reduced nonepre-presbyopic hypermetrope yes normal nonepresbyopic myope no reduced nonepresbyopic myope no normal nonepresbyopic myope yes reduced nonepresbyopic myope yes normal hardpresbyopic hypermetrope no reduced nonepresbyopic hypermetrope no normal softpresbyopic hypermetrope yes reduced nonepresbyopic hypermetrope yes normal none


PRISM untuk Contact Lens (#1)Dibentuk rule yang mengcover setiap class: hard,soft, dan none. Misalnya dimulai dari hard.IF ? THEN recommended = hardUntuk kondisi pada LHS yang masih kosong terdapat 9 pilihan:age = young 2/8age = pre-presbyopic1/8age = presbyopic 1/8spectacle prescription = myope 3/12spectacle prescription = hypermetrope 1/12astigmatism = no 0/12astigmatism = yes 4/12tear production rate = reduced 0/12tear production rate = normal 4/12dipilih bagian yang terbesar = 4/12, secara acak dipilih salah satu antara nomor 7 dan nomor 9 pada daftar di atas, misalnya nomor 7:IF astigmatism = yes THEN recommended = hard


PRISM untuk Contact Lens (#2)Rule If astigmatism = yes then recommended = hard jelas tidak akurat. Lihat tabel berikut:

Tampak bahwa rule tersebut hanya mengcover 4 instance yang benar dari total 12 instances. Sehingga refinement perlu dilakukan untuk rule: IF astigmatism = yes AND ? THEN recommended = hard

age spectacle prescription

Astigmatism tear production rate

reccomended lenses

young myope yes reduced noneyoung myope yes normal hardyoung hypermetrope yes reduced noneyoung hypermetrope yes normal hardpre-presbyopic myope yes reduced nonepre-presbyopic myope yes normal hardpre-presbyopic hypermetrope yes reduced nonepre-presbyopic hypermetrope yes normal nonepresbyopic myope yes reduced nonepresbyopic myope yes normal hardpresbyopic hypermetrope yes reduced nonepresbyopic hypermetrope yes normal none


PRISM untuk Contact Lens (#3)IF astigmatism = yes AND ? THEN recommended = hardUntuk kondisi pada LHS yang masih kosong terdapat 7 pilihan:age = young 2/4age = pre-presbyopic1/4age = presbyopic 1/4spectacle prescription = myope 3/6spectacle prescription = hypermetrope 1/6tear production rate = reduced 0/6tear production rate = normal 4/6dipilih bagian yang terbesar = 4/6, yaitu nomor 6:IF astigmatism = yes AND tear production rate = normal THEN recommended = hardSebenarnya untuk sebuah class (misalnya hard), algoritma dapat dipaksa berhenti (misalnya disini pada kasus contact lens). Namun, bagaimana jika exact rule harus diperoleh, tanpa mempedulikan sekompleks apapun rulenya?


PRISM untuk Contact Lens (#4)Rule IF astigmatism = yes AND tear production rate = normal THEN recommended = hard jelas masih belum akurat. Lihat tabel berikut:

Tampak bahwa rule tersebut hanya mengcover 4 instance yang benar dari total 6 instances. Sehingga refinement perlu dilakukan kembali untuk rule: IF astigmatism = yes AND tear production rate = normal AND ? THEN recommended = hard


Astigmatism tear production rate

reccomended lenses

young myope yes normal hardyoung hypermetrope yes normal hardpre-presbyopic myope yes normal hardpre-presbyopic hypermetrope yes normal nonepresbyopic myope yes normal hardpresbyopic hypermetrope yes normal none


PRISM untuk Contact Lens (#5)IF astigmatism = yes AND tear production rate = normal AND ? THEN recommended = hard

Untuk kondisi pada LHS yang masih kosong terdapat 5 pilihan:age = young 2/2age = pre-presbyopic1/2age = presbyopic 1/2spectacle prescription = myope 3/3spectacle prescription = hypermetrope 1/3

Sehingga harus dipilih bagian yang terbesar, tetapi yang mana?2/2 atau 3/3? Dalam hal ini “sebaiknya dipilih yang mengcover lebih banyak instance”, atau nomor 4, sehingga rule sejauh ini adalah:IF astigmatism = yes AND tear production rate = normal AND spectacle presciption = myope THEN recommended = hard


PRISM untuk Contact Lens (#6)Karena rule IF astigmatism = yes AND tear production rate = normal AND spectacle prescription = myope THEN recommended = hard sudah akurat. Lihat tabel berikut:

Tampak bahwa rule tersebut hanya mengcover 3 instance yang benar dari total 24 instances, dan baru 3 dari 4 instance untuk recommended = hard. Selanjutnya 3 instance pada tabel di atas dihapus dari total 24 instances, dan mencari rule lainnya dengan bentuk: IF ? THEN recommended = hard


astigmatism tear production rate

reccomended lenses

young myope yes normal hardpre-presbyopic myope yes normal hardpresbyopic myope yes normal hard


PRISM untuk Contact Lens (#7) Dengan cara yang sama pada stage sebelumnya, berturut-turut

diperoleh:– age = young, adalah yang terbaik untuk condition pertama

(mengcover 1 dari 7). Mengapa angka 7 ?– astigmatism = yes, adalah yang terbaik untuk condition

kedua (dipilih 1/3). Apakah pilihan ini karena “tips” ?– tear production rate = normal, adalah yang terbaik

untuk condition ketiga (dipilih 1/1). Rule yang diperoleh adalah: IF age = young AND antigmatism = yes AND tear production rate = normal THEN recommended = hard sudah akurat. Mengcover 1/1? Atau 3/3?

Jadi seluruh kasus hard telah tercover, sehingga langkah-langkah berikutnya adalah untuk kasus soft dan none.


PRISM untuk Contact Lens (#8)Koleksi Rule Lengkap pada Akhir Proses (9 Rule)• If spectacle prescription = myope and astigmatic = yes

and tear production rate = normal then recommendation = hard

• If age = young and astigmatic = yes and tear production rate = normal then recommendation = hard

• If age = young and astigmatic = no and tear production rate = normal then recommendation = soft

• If age = pre-presbyopic and astigmatic = no and tear production rate = normal then recommendation = soft

• If spectacle prescription = hypermetrope and astigmatic = no and tear production rate = normal then recommendation = soft

• If tear production rate = reduced then recommendation = none

• If age = presbyopic and spectacle prescription = myope and astigmatic = no then recommendation = none

• If age = pre-presbyopic and spectacle prescription = hypermetrope and astigmatic = yes then recommendation = none

• If age = presbyopic and spectacle prescription = hypermetrope and astigmatic = yes then recommendation = none


PRISM untuk Contact Lens (#9)

akhirnya.....

AWAS!!!AWAS!!!JANGAN DICOBA untuk mengatasi Gangguan Mata

Anda yang sebenarnya.

dmkdd-5 (revisi 14-08-2007).ppt

Documents

menguji data baru fresh

salah satu class tj

data mining cs704kuliah

data mining task

teknik informatika stts

himpunan class t