sistemas

27/10/2011

1

Prof. Waldiney Nogueira Sistema de Apoio a Decisão 1

Sistema de apoio a Decisão

7º - Semestre - Sistemas de InformaçãoAula-09

Prof. Waldiney Nogueira Sistema de Apoio a Decisão 2

Extração de Informações

7º - Semestre - Sistemas de Informação

Sistema de Apoio a Decisão 3Prof. Waldiney Nogueira

Por que extrair informaçõesPor que extrair informações

� Grande quantidade de dados armazenadoseletronicamente;

� Necessidade de encontrar novos padrõestransformar dados invisíveis, presentes nestas

grandes quantidades de dados, em informações úteis e conhecimentos que possam ser aplicados como suporte a tomada de decisão ou a avaliação de resultados.


Por que extrair informações (cont.)Por que extrair informações (cont.)

� A grande e rápida expansão dos dados

excedem a capacidade de compreensãohabitual.

� análise baseada em dados visíveis e intuição; “dados mortos” ou arquivos raramente visitados com valiosos conhecimentos.


Evolução até a Mineração de dados

� Resultado da evolução natural datecnologia de informação.� Banco de Dados� Coleção e criação de Banco de Dados� Sistemas de gerenciamento, armazenamento,recuperação e processamento de dados� Sistemas de banco de dados avançados� Sistemas de banco de dados em web� Mineração de dados.


Evolução até a Mineração de dadosEvolução até a Mineração de dados

27/10/2011

2


O que é mineração de dados ?

� Busca de conhecimento ou padrõesinteligentes em bancos de dados.� transformar dados ocultos em informaçõesúteis para a tomada de decisão e/ouavaliação de resultados.� Passo essencial no processo da

Descoberta do Conhecimento em Base de Dados.






Mineração de dados Mineração de dados -- SinônimosSinônimos

� mineração de dados

� busca do conhecimento em bases de dados

� extração do conhecimento

� análise de dados� Knowledge Discovery in Database – KDD.


Mineração de dados Mineração de dados –– Etapas do Etapas do descobrimento em grandes quantidades de descobrimento em grandes quantidades de

dados ( um processo KDD)dados ( um processo KDD)

� Seleção

� Pré-processamento� Transformação

� Dataminig

� Interpretação e avaliação dos resultados


Mineração de dados Mineração de dados –– Etapas do Etapas do descobrimento em grandes quantidadesdescobrimento em grandes quantidades

de dados (um processo KDD)de dados (um processo KDD)

27/10/2011

3



dados (um processo KDD)dados (um processo KDD)

Seleção� consiste na seleção de dados necessários para

a tarefa de análise.

� Compreensão do domínio e dos objetivos da tarefa;

� Criação do conjunto de dados envolvendo as

variáveis necessárias;




Pré-processamento� Consiste na limpeza (retirada de ruídos einformações julgadas desnecessárias) e naintegração (reconfiguração dos dados paraassegurar formatos consistentes) dos dados.� Operações como identificação de ruídos,

outliers, como tratar falta de dados em alguns campos, etc.




Transformação

� transforma os dados para um formato� Datamining apropriado. Esta depende da

técnica datamining usada.� redução de dimensionalidade;� combinação de atributos;




Mineração de dados

� aplicação de métodos inteligentes para aextração de para de padrões de comportamentodos dados.� Escolha e execução do algoritmo de

aprendizagem de acordo com a tarefa a ser cumprida.




Interpretação e avaliação

� Identificado os padrões pelo sistema, estes são

interpretados em conhecimentos, os quais darásuporte a tomada de decisões humanas.

� Interpretação dos resultados, com possível retorno aos passos anteriores;




Análise tradicional de dados

� sistemas de informação com o objetivo demanter os dados em um local seguro epossível recuperação.

Mineração de dados

� extração de conhecimento das informaçõesarmazenadas.

27/10/2011

4


Mineração de Dados e Análise Tradicional de dadosMineração de Dados e Análise Tradicional de dados


Técnicas de mineração de dadosTécnicas de mineração de dados

� Existe diversos tipos de técnicas e de

algoritmos para mineração de dados.� A escolha dependerá da tarefa a ser

executada.

� Banco de dados que se trabalha� Tipo de conhecimento a ser explorado






Tarefas de Mineração de dadosTarefas de Mineração de dados

� As tarefas de mineração de dados podemser aplicadas ao tipo de extração doconhecimento a ser solucionado.

� Classificação� Associação� Agrupamento



� Classificação

Descobrir uma função que mapeie um conjunto deregistros em um conjunto de rótulos categóricospredefinidos (classe).� Uma vez descoberta, tal função pode ser aplicada anovos registros de forma a prever a classe a que taisregistros se enquadram.� EX: financiadora.� Ferramentas: Redes Neurais, Árvores de Decisão,Estatística (análise combinatória e Regressão Lógica) ealgoritmos genéticos .

27/10/2011

5



� Descoberta de Associação:

� abrange a busca por itens que freqüentemente ocorram de forma simultânea.

� Ex: carrinho de supermercado.

� Ferramentas: regras de associação (Algoritmo APRIORI)



� Agrupamento:

� Separar os registros de uma base de dados em subconjuntosou clusters, de tal forma que os elementos compartilhem depropriedades comuns que os distingam de elementos deoutros clusters.

� O objetivo nessa tarefa é maximizar a similaridade intraclustere minimizar a similaridade intercluster.� Diferente da tarefa de classificação, que tem rótulospredefinidos, a clusterização precisa automaticamenteidentificar os grupos de dados aos quais o usuários deveráatribuir rótulos.



� Agrupamento :� Agrupar é baseado em medidas de semelhança,

definir quantas e quais classes existem em um conjunto de entidades.

� Ferramentas: Redes Neurais, Estatística (Análise de Conglomerados (cluster Analysis)), Algoritmos Genéticos.

� Alguns algoritmos: K-means, K-Modes, dentre outros.


Exercícios

1. O que é mineração de dados?2. Na mineração de dados quais são as etapas

do descobrimento em grandes quantidades de dados?

3. Faça uma comparação entre análise tradicional de dados e mineração de dados?

4. Dentro das tarefas de mineração de dados explique: classificação, associação e agrupamento.


FIM

Documents

sistemas