Che materia stai cercando?

Ingegneria della conoscenza - strumenti di supporto alle decisioni Appunti scolastici Premium

Slide relative all'esame di ingegneria della conoscenza del professor Alessandro Mazzetti, corso di laurea in scienze della comunicazione. Gli argomenti trattati sono le analisi di scenari, la simulazione di evoluzione, il planning, la teoria dei giochi, l'analisi break-even..

Esame di Ingegneria della conoscenza docente Prof. A. Mazzetti

Anteprima

ESTRATTO DOCUMENTO

Esempi di apprendimento

non supervisionato

• Categorizzare le persone

– le donne sono più intuitive degli uomini

– i Capricorni sono cocciuti

• Notare differenze all’estero

– in Francia non si usa il bidet

– gli inglesi fanno la coda uno ad uno

• Correlare attributi

– le piccole cooperative sono tipiche del nord

– gli uomini che comprano pannolini,

comprano anche alcoolici

…in termini più tecnici...

• Apprendimento supervisionato:

– è noto l’attributo da apprendere

– al conoscenza appresa è una regola

statura capelli occhi aspetto

basso biondi blu bello

alto biondi scuri brutto

alto rossi blu bello

basso scuri blu brutto

alto scuri blu brutto

alto biondi blu bello

alto scuri scuri brutto

basso biondi scuri brutto Concetto da apprendere

se capelli=rossi allora aspetto=bello

se capelli=scuri allora aspetto=brutto

…in termini più tecnici...

• Apprendimento NON-supervisionato:

– non è noto l’attributo da apprendere

– al conoscenza appresa è una tassonomia

statura capelli occhi aspetto

basso biondi blu bello

alto biondi scuri brutto

alto rossi blu bello

basso scuri blu brutto

alto scuri blu brutto si assomigliano

alto biondi blu bello (alto, occhi-blu)

alto scuri scuri brutto

basso biondi scuri brutto

Esiste la categoria degli alti cogli occhi blu

Cosa c’è alla base

• Una grande quantità di dati

• raccolti per altri motivi

• organizzati in maniera adeguata

DATA WAREHOUSE

Generazione di alberi decisionali

• ID3 (Iterative Dichotomizer)

– Ross Quinlan (1982)

• derivato da CLS (Concept Learning System)

– Hunt (1966)

• Input = tabella

• Output = procedura decisionale

rappresentabile come:

– regole

– albero

– procedura

Albero generato da ID3

statura capelli occhi aspetto

basso biondi blu bello

alto biondi scuri brutto

alto rossi blu bello

basso scuri blu brutto

alto scuri blu brutto

alto biondi blu bello

alto scuri scuri brutto

basso biondi scuri brutto

L’idea base di ID3

• cercare l'attributo piu' simile al concetto da

apprendere (cioe' la colonna "bellezza")

• considerare la frequenza di ogni valore

possibile ("alto", "basso",...)

• scegliere l’attributo che discrimina meglio

• ripartire daccapo considerando la sotto

-tabella rimanente

• finché ottengo una sotto-tabella vuota

Teoria dell’informazione di Shannon

• su 8 esempi, 3 sono di belli e 5 di brutti

-3/8 log 3/8 - 5/8 log 5/8 = 0.954 bit

2 2

• quindi ho un'informazione di 0.954 bits

• Quanto conta la statura?

– media pesata degli alti belli rispetto ai brutti belli

5/8 * 0.971 + 3/8 * 0.918 = 0.951 bit

• L’attributo che conta di più è “capelli”

• Si genera il nodo “capelli” e si riparte

Esercizio

• Visitare http://www.planasia.it

/DemoMine.html

• definire interattivamente il concetto da far

apprendere

• analizzare le tre forme di conoscenza

generata

• Riuscite a generare la regola “sei malato se

hai la febbre oppure se starnutisci” ?

Apprendimento non-supervisionato

• sistema in grado di creare tassonomie a partire

da un insieme di dati "sciolti"

• vengono notate le similarita’ fra i dati

• viene scoperta l'esistenza di categorie

• si forma una partizione (clustering) dei dati

• i dati appartenenti alla stessa classe si

assomigliano fra di loro

Tassonomia

Apprendimento incrementale

Progetti storici

• "Cluster" (R. Michalski, 1983),

• "Unimem" (M. Lebowitz, 1986),

• "Cobweb" (D. Fisher, 1987)

• approfondiamo Unimem

L’input è una tabella “disordinata”

fiat_tipo cc1600, abbordabile, posti(5), porte(5), consumo(medio)

renault_clio economica, corta, cc1200, posti(5), porte(3), consumo(basso)

jeep non_veloce, cc2000, alta, porte(5), cara, consumo(alto)

subaru_legacy lunga, cara, veloce, cc2000, posti(5), consumo(medio), vol2

renault_19 abbordabile, cc1400, posti(5), porte(5), consumo(medio)

toyota_4x4 cara, non_veloce, cc2500, alta, porte(5), consumo(alto)

citroen_zx abbordabile, cc1600, posti(5), porte(5), consumo(medio)

opel_omegaSW cara, veloce, lunga, cc2000, posti(5), consumo(medio), vol2

rolls_royce carissima, lunga, vol3, posti(5), porte(4), consumo(alto)

peugeot_205 corta, cc1000, posti(5), economica, porte(3), consumo(basso)

range_rover cara, alta, cc2500, posti(6), porte(5), consumo(alto)

vw_golf abbordabile, cc1600, posti(5), porte(5), consumo(medio)

fiat_uno economica, cc1100, posti(5), porte(3), consumo(basso)

porshe carissima, velocissima, cc3600, posti(2), porte(2), consumo(alto)

fiat_tempra_SW lunga, cara, veloce, cc1800, consumo(medio), vol2

renault_nevada cara, veloce, cc2000, posti(7), consumo(medio), lunga, vol2

mercedes_500 carissima, vol3, cc5000, posti(5), porte(4), consumo(alto)

ferrari carissima, velocissima, cc5000, posti(2), porte(2), consumo(alto)

Cos’ha scoperto ?

radice [ ]

range_rover renault_nevada

classe_a [abbordabile,posti(5),porte(5),consumo(medio)]

renault_19 /* e' una 1400 cc */

classe_c [cc1600]

fiat_tipo citroen_zx vw_golf

classe_b [cara,non_veloce,alta,porte(5),consumo(alto)]

jeep toyota_4x4

classe_d [cara,veloce,lunga,cc2000,posti(5),consumo(medio),vol2]

subaru_legacy opel_omegaSW fiat_tempra_SW

classe_e [corta,posti(5),economica,porte(3),consumo(basso)]

renault_clio peugeot_205 fiat_uno

classe_f [carissima,vol3,posti(5),porte(4),consumo(alto)]

rolls_royce mercedes_500

classe_g [carissima,velocissima,posti(2),porte(2),consumo(alto)]

porshe ferrari


PAGINE

35

PESO

189.84 KB

AUTORE

Menzo

PUBBLICATO

+1 anno fa


DETTAGLI
Corso di laurea: Corso di laurea in scienze della comunicazione
SSD:

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher Menzo di informazioni apprese con la frequenza delle lezioni di Ingegneria della conoscenza e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Insubria Como Varese - Uninsubria o del prof Mazzetti Alessandro.

Acquista con carta o conto PayPal

Scarica il file tutte le volte che vuoi

Paga con un conto PayPal per usufruire della garanzia Soddisfatto o rimborsato

Recensioni
Ti è piaciuto questo appunto? Valutalo!

Altri appunti di Ingegneria della conoscenza

Ingegneria della conoscenza - programma corso
Appunto
Ingegneria della conoscenza - acquisizione e tipologie di conoscenza
Appunto
Ingegneria della conoscenza - le reti neurali
Appunto
Ingegneria della conoscenza - Soft computing/fuzzy logic
Appunto