Recomendados
Más contenido relacionado
Destacado
Destacado (11)
Similar a Redes neuronales
Similar a Redes neuronales (20)
Último
Último (20)
Redes neuronales
- 1. DISEÑO AVANZADO DE SISTEMASDISEÑO AVANZADO DE SISTEMAS TemaTema : DATA MINING Y: DATA MINING Y REDES NEURONALESREDES NEURONALES DeDe : Victor Lino Silva: Victor Lino Silva
- 2. Data Mining: definición Arte/Ciencia de descubrir y aprovechar en forma automática información no-obvia y útil en grandes bases de datos Énfasis en: • no-obvia (no intuitivas) • útil (coste vs beneficio) • grande (proceso automático) No hay reglas siempre que el proceso sea eficiente en tiempo, dinero y recursos humanos Data Mining
- 3. Tres pasos Preparación de los datos Análisis de datos Toma de decisiones Redes Neuronales Data Mining
- 4. Preparación de datos Extracción / Integración Transformación Selección Limpieza Data warehouse 50-80% tiempo del proyecto Data Mining
- 5. “Scrubbing, selecting, cleansing, preprocessing,…” • Eliminar redundancia • Eliminar datos y variables irrelevantes • Tratar datos ausentes media, substitución astuta, interpolación, ignorar, ? • Corrección errores • Outliers (datos fuera de rango) • Verificar consistencia • Reservar todo preprocesamiento relevante hasta el análisis Data Mining
- 6. Anáslisis de datos Técnicas: • Árboles de decisión • Reglas de asociación • Ajustes (regresiones..) • Algoritmos genéticos • Redes neuronales • … Tareas conceptuales: • Clasificación • Optimización • Interpolación • Modelación • Predicción • … Objetivos: • Target marketing • Segmentación • Control • Predicción ventas • Descubrir imperfecciones • … Data Mining
- 7. Toma de decisiones Los resultados del análisis pueden resultar inescrutables • El analista debe entender el problema a fondo • Los resultados deben presentarse con honestidad • El post-procesamiento y la inclusión de factores subjectivos son a menudo necesarios • Validación estricta Data Mining
- 8. ¿Por qué no se emplea el Data Mining? • Explotación “bruta” de las bases de datos da resultados sin sentido o no-competitivos Sentido común y buena formación = coste elevado • Sí se emplea, pero poca gente es consciente Data Mining
- 10. ¿Qué es una red neuronal? DatosDatos históricos variables objetivos Datos nuevos variables ?? Las redes neuronales aprenden a partir de ejemplos Economista/Matemático/Físico/Analista Aproximante universal (Permiten un ajuste a partir de ejemplos en un gran espacio de funciones sin sesgo, robusto, flexible que implementa inferencia bayesiana) Economista/Empresario Herramienta de predicción (objetivo, consolidado, adaptable a problemas complejos, integrable) Modelo del cerebro Redes neuronales
- 11. Redes neuronales ¿Para qué sirven una red neuronal? • Clasificación Clientes buenos/malos, comprometidos o no, asequibles o no Reconocimiento de patrones • Interpolación Adivinar el comportamiento de un nuevo cliente Crear un nuevo concepto • Predicción Ventas, meteorología, finanzas, control de producción Las redes neuronales pueden ser aplicadas a cualquier problema de inferencia estadística
- 12. ¿Cómo funciona una red neuronal? capa 1 capa 2 capa l += − − = ∑ )()1( )1( 1 )()( l i l j ln j l ij l i tzwfz Red neuronal feedforward multicapa Redes neuronales
- 13. Redes neuronales += − − = ∑ )()1( )1( 1 )()( l i l j ln j l ij l i tzwfz • La función de activación ƒ da flexibilidad para que la respuesta de cada neurona pueda ser no lineal • Los pesos w y los umbrales t determinan la forma en que la información es procesada por cada neurona • El número de capas y de neuronas por capa definen la arquitectura de la red neuronal El algoritmo de aprendizaje por corrección de errores hacia atrás, “back-propagation” (1985) establece un procedimiento eficiente para ajustar los pesos y umbrales de una red neuronal de forma que aprenda ejemplos. ¡Hemos aprendido a aprender!
- 14. Redes neuronales T vs C C T c T CTTC Entrenamiento 0. w y t aleatorios 1. Introducir un ejempo (T) 2. Output = T bien Output = C error 3. Propagar un cambio de w and t a través de la red para reducir el error 4. Repetir con todos los ejemplos varias veces Aprendizaje supervisado de T / C T Robusto Universal Sin sesgo
- 15. Redes neuronales Belgrado 19/04/1999 Una red neuronal es entrenada con patrones de aviones La red detecta un avión militar escondido bajo un avión comercial
- 17. Tarjetas de crédito 1. 50000 clientes reciben la oferta 2. Un red neuronal es entrenada con las respuestas 3. La red predice la respuesta de los 450000 clientes restantes Un banco desea ofrecer una nueva tarjeta a sus clientes Depósitos Salario Edad Sexo Créditos Hipotecas Educación Sí / No Red neuronal Ejemplos
- 18. Ejemplos Lift Chart % de clientes contactados % de Respuestas positivas retenidas
- 19. Promedios sobre redes entrenadas a partir de pesos aleatorios Si existe un modelo subyacente, las redes son equivalentes Si no existe un modelo subyacente, las redes producen dispersión • Lanzamos 100 redes sobre datos entrenar/validar • Para cada dato tenemos un promedio y una dispersión • Descartamos 3 sigma Alarmas Arbitraje …. -1 sigma + 1sigma NN Real Ejemplos Series temporales de cotizaciones
- 20. Ejemplos ¿Estoy divorciado? Una red neuronal ha sido entrenada con • área del apartamento • ¿es relevante la virginidad? ¿divorciado? • salario sí / no • visitas de los suegros • salud,.. Acierto: 88% Matemáticas / Filosofía 100%
- 21. Reflexión Existen barreras a superar cultura informática gestión inteligente de la información coste/beneficio nuevas generaciones Estamos entrando en la era de la información