Naïve Bayes Sınıflandırıcı - myWeb

1 . Sınıflandırma & Tahmin — Devam — 1

2 .Karar Ağaçlarında Aşırı Öğrenme Öğrenme kümesinin küçük , gürültülü olması , eksik veri içermesi Çözüm budama (pruning) En güvenilmez dalları buda Çoğunluk oylaması Önbudama ( prepruning ) Sonbudama ( Postpruning ) 2

3 .Bayesian Sınıflandırma : Istatistiksel sınıflandırıcı : olasılıksal tahminlerde bulunur , yani , bir sınıfa ait olma olasılığını hesaplar Temeli : Bayes Teoremine dayanır Performans : Basit Bayesian sınıflandırıcı ( naïve Bayesian classifier ) karar ağaçlarıyla denk bir performans sağlar Arttırımlı : Her yeni öğrenim kümesi elemanı görüldükçe hipotezin doğruluk olasılığını arttırır / azaltır — önceden sahip olunan bilgi yeni gözlemlerle birleştirilir Ölçeklenebilir : büyük veri kümelerinde hızlı ve doğru sonuç üretir 3

4 .Boolean Random Variables Sadece 2 değer alabilir True / False Bir olayın olması ya da olmaması P(A = true), A olayının olma olasılığı toplam alan 1 4

5 .Koşullu Olasılık P(A=true | B=true) B nin doğru olduğu durumların ne kadarında A da doğru H = baş ağrısı F = nezle P(H=true) = 1/10 P(F=true) = 1/40 P(H=true | F = true) = 1/3 5

6 .Bayesian Teorem : Temeli X örnek bir veri olsun : sınıf etiketi bilinmiyor H ise X verisinin C sınıfına ait oldugu hipotezi olsun Sınıflandırma X verisi gözlemlenmişken hipotezimizin doğru olma olasılığıdır , P(H| X ) P(H) önceki olasılık ( prior probability ), Ör ., X bilgisayar alır ( diğer niteliklerden bağımsız olarak ) P( X ): X in olma olasılığı P( X |H) sonraki olasılık ( posteriori probability ), Hipotez H’nin tutması durumunda X’in olma olasılığı Ör ., X’in bilgisayar alacaklar sınıfında olduğu biliniyor , X in orta yaşlı orta gelir gurubunda olma olasılığı 6

7 .Bayesian Teori Gözlemlenen öğrenme verisi X için , hipotez H nin sonraki olasılığı , P(H| X ) , Bayes teoremi ile şöyle ifade edilir : Eğer P( C i | X ) diğer bütün P( C k |X ) değerlerinden büyükse örnek veri X C i sınıfına aittir Pratik açıdan güç : Cok sayıda olasılığı onceden kestirmek gerekiyor , cok fazla hesap gerektirir 7

8 .Naïve Bayes Sınıflandırıcı Öğrenim kümesindeki her öğe n nitelik içersin , X = (x 1 , x 2 , …, x n ) Toplamda m tane farklı sınıf olsun C 1 , C 2 , …, C m . Sınıflandırma maksimum sonraki olasılığı sağlayan sınıf bilgisini bulur yani , maksimum P( C i | X ) değerini en büyük değere getirir P(X ) tüm sınıflar için sabit olduğundan değerini maksimize eder 8

9 .Derivation of Naïve Bayes Classifier Basitleştirici bir kabul : nitelikler birbirinden bağımsız Gereken hesaplamaları çok azaltır Kategorik veri için P( C i )=|S i |/|S|, S i : C i sınıfına ait orneklerin sayısı Sürekli veri için hesaplar Gaussian dağılımla bulunur Hesaplama maliyetini azaltıyor , sadece sınıf dağılımları hesaplanıyor Naive: nitelikler bağımsız 9

10 .Örnek : Naïve Bayesian Sınıflandırıcı Sınıf : C1:buys_computer = ‘yes’ C2:buys_computer = ‘no’ Örnek Veri X = (age <=30, Income = medium, Student = yes Credit_rating = Fair) 10

11 .Naïve Bayesian Classifier: An Example P( C i ): P( buys_computer = “yes”) = 9/14 = 0.643 P( buys_computer = “no”) = 5/14= 0.357 Her sınıf için P( X|C i ) hesapla P(age = “<=30” | buys_computer = “yes”) = 2/9 = 0.222 P(age = “<= 30” | buys_computer = “no”) = 3/5 = 0.6 P(income = “medium” | buys_computer = “yes”) = 4/9 = 0.444 P(income = “medium” | buys_computer = “no”) = 2/5 = 0.4 P(student = “yes” | buys_computer = “yes) = 6/9 = 0.667 P(student = “yes” | buys_computer = “no”) = 1/5 = 0.2 P( credit_rating = “fair” | buys_computer = “yes”) = 6/9 = 0.667 P( credit_rating = “fair” | buys_computer = “no”) = 2/5 = 0.4 X = (age <= 30 , income = medium, student = yes, credit_rating = fair) P( X|C i ) : P( X|buys_computer = “yes”) = 0.222 x 0.444 x 0.667 x 0.667 = 0.044 P( X|buys_computer = “no”) = 0.6 x 0.4 x 0.2 x 0.4 = 0.019 P( X|C i )*P( C i ) : P( X|buys_computer = “yes”) * P( buys_computer = “yes”) = 0.028 P( X|buys_computer = “no”) * P( buys_computer = “no”) = 0.007 Bu yüzden , X örnegi “ buys_computer = yes” sınıfına aittir . 11

12 .Olasılığın sıfır olması Naïve Bayesian prediction her bir olasılığın sıfırdan farklı olmasını gerektirir . Aksi taktirde bütün olsılık sıfır olur Ör . 1000 elemanlı bir veri kümesinde , eğer income=low (0), income= medium (990), ve income = high (10 ) ise , Laplacian correction (or Laplacian estimator ) kullanılır Her duruma 1 ekle Prob (income = low) = 1/1003 Prob (income = medium) = 991/1003 Prob (income = high) = 11/1003 Veri seti cok buyuk olduğu icin sonuç cok farketmez 12

13 .Bayes Sınıflandırıcılar - Değerlendirme Avantajları Gerçeklenmesi kolay coğu durumda iyi sonuclar verir Dezavantajları varsayım : sınıf bilgisi verildiğinde nitelikler bağımsız gercek hayatta değişkenler birbirine bağımlı korelasyon değişkenler arası ilişki modellenemiyor Çözüm : Bayes Ağları (Bayesian Belief Networks) 13

14 .IF-THEN Kuralları Bilgiyi IF-THEN kuralları şeklinde ifade eder R: IF age = youth AND student = yes THEN buys_computer = yes kural koşulları vs. kural sonucu Kural değerlendirmesi : kapsama ( coverage) and doğruluk ( accuracy) n covers = R kuralına dahil eleman sayısı n correct = R kuralı tarafından doğru sınıflandırılan eleman sayısı coverage(R) = n covers /|D| /* D: öğrenme kümesi */ accuracy(R) = n correct / n covers Eğer bir eleman birden fazla kural tarafından kapsanıyorsa çatışma çözümü ( conflict resolution) uygulanır Boyut sıralaması : en fazla gereksinim içeren (en zor ) kural seçilir Kural tabanlı sıralama : başlangıçta kurallar kalitelerine yada uzmanlarca belirlenen önemlerine göre öncelik sırasına konur 14

15 .age? student? credit rating? <=30 >40 no yes yes yes 31..40 no fair excellent yes no Ör : buys_computer decision- treeden kural çıkartımı IF age = young AND student = no THEN buys_computer = no IF age = young AND student = yes THEN buys_computer = yes IF age = mid-age THEN buys_computer = yes IF age = old AND credit_rating = excellent THEN buys_computer = yes IF age = young AND credit_rating = fair THEN buys_computer = no Karar ağaçlarından Kural Oluşturma Kurallar büyük ağçlardan daha kolay anlaşılır Kökten yaprağa giden her yol için ayrı kural Yol ustundeki her nitelik “VE” işlemiyle bağlanır Farklı yollar “YADA” işlemiyle bağlanır Her veri elemanı sadece bir sınıfa ait olabilir Çatışma oluşmaz 15

16 .Tahmin (Prediction) Nedir ? ( Sayısal ) tahmin sınıflandırmaya benzer Bir model oluşturur Verilen bir değer için devamlı bir değeri tahmin eder Tahmin sınıflandırmadan farklıdır Sınıflandırma baştan belli kategorik sınıf etiketlerini kullanır Tahmin devamlı değerli fonksiyonlar modeller Tahmin için temel yontem : regression Bir yada daha fazla bağımsız değişken ( öngörücü ) ile bir bağımlı sonuç değişkeni arasında ilişki modeller Regression analysis Linear and multiple regression Non-linear regression Diğer regression metotları : generalized linear model, Poisson regression, log-linear models, regression trees 16

17 .Linear Regression Linear regression : bir sonuç değişkeni y ve bir öngörücü değişken x içerir y = w 0 + w 1 x Burada w 0 ve w 1 ( eğim ) regression katsayıları Method of least squares : en iyi örtüşen düz çizgiyi modeller Multiple linear regression : birden fazla öngörücü değişken içerir Öğrenme verisini formatı : ( X 1 , y 1 ), ( X 2 , y 2 ),…, ( X |D| , y |D | ) Ör . 2 boyutlu veri ise , y = w 0 + w 1 x 1 + w 2 x 2 least square methodunun türevleriyle çözülebilir Many nonlinear functions can be transformed into the above 17

18 .Bazen veriyi polynomial fonksiyonlarla modellemek gerekir polynomial regression model, linear regression modele çevrilebilir . örnek , y = w 0 + w 1 x + w 2 x 2 + w 3 x 3 Yeni değişkenler tanımlayarak : x 2 = x 2 , x 3 = x 3 y = w 0 + w 1 x + w 2 x 2 + w 3 x 3 Bazı modeller linear hale çevrilemez ( ör ., eksponansiyel terimlerin toplamı ) Hesaplamak için daha karmaşık formuller gerektirir Nonlinear Regression 18

19 .Sınıflandırma Modelini Değerlendirme Tahmin edilen Sınıf Gerçek Sınıf En cok kullanılan metrik : doğruluk (accuracy) Hata oranı = 1 – Accuracy Acc = (6954 + 2588) / 10000 = 0.9542 Gerçek \ Tahmin buy_computer = yes buy_computer = no Total recognition(%) buy_computer = yes 6954 46 7000 99.34 buy_computer = no 412 2588 3000 86.27 total 7366 2634 10000 95.52 C 1 C 2 C 1 True positive False negative C 2 False positive True negative 19

20 .Accuracy metriğinin sıkıntısı 2 sınıf seçeneğinin olduğu bir modelimiz olsun C1: 9990 eleman C2: 10 eleman Eğer modelimiz herşeye C1 derse accuracy %99.9 olur Yanıltıcı çünkü hiç C2 sınıfını tespit edemiyor 20

21 .Alternafif Metrikler Precision (p) = tp / ( tp + fp ) Recall (r) = tp / ( tp + fn) Kanser tahmini Precision ( duyarlılık ) = 90 / 230 = 39.13 % Recall = 90 / 300 = 30.00 % 21 Yes No Total Yes 90 210 300 No 140 9560 9700 Total 230 9770 10000

22 .Precision / Recall Daha iyi precision ve recall değerlerine sahip sınıflandırıcı daha iyidir Precision ve recall arasında ters orantı vardır 22

23 .Sensitivity - Specificity Daha çok medikal alanda kullanılır Sensitivity Recall TP / (TP+FN) Hasta birini hasta olarak etiketleme olasılığı Specificity TN / (TN + FP) Hasta olmayan birini hasta değil olarak etiketleme olasılığı 23

24 .Özet Classification ve prediction yöntemleri önemli veri sınıflarını ifade etmek ve gelecek veri trendlerini öngörmek için model yaratmakta kullanılan iki önemli veri analiz yöntemidir Karar ağaçları , Naïve Bayesian sınıflandırma , kural cıkarma vb. Yöntemleri için hızlı ve ölçeklenebilir yöntemler geliştirilmiştir Linear ve nonlinear regression modelleri prediction i çin kullanılabilir . Birçok nonlinear problem linear problemlere dönüştürülebilir . Birçok farklı sınıflandırma ve tahmin yöntemleri mevcuttur ve hala üzerinde çalışılan bir konudur . He ryöntemin iyi ve kötü tarafları vardır , diğer hepsinden daha iyi olan tek bir yöntem yoktur .