Dobývání znalostí z databází (MI-KDD) Přednáška číslo 9 Využití doménových znalostí

Dobývání znalostí z databází (MI-KDD) Přednáška číslo 9 – Využití doménových znalostí

(c) prof. RNDr. Jan Rauch, CSc. KIZI, Fakulta informatiky a statistiky VŠE zimní semestr 2011/2012

Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Využití doménových znalostí Jsou naznačeny možnosti využití doménových znalostí při dobývání znalostí z databází.

K prezentaci jsou využita medicínská data STULONG. Projekt STULONG byl realizován na II. interní klinice 1. lékařské fakulty Univerzity Karlovy a ve Všeobecné fakultní nemocnice v Praze pod vedením Prof. MUDr. F. Boudíka, DrSc. ve spolupráci s MUDr. M. Tomečkovou, CSc. a Prof. MUDr. J. Bultasem, CSc. Data byla převedena do elektronické podoby Evropským centrem pro medicínskou informatiku,

statistiku a epidemiologii Univerzity Karlovy a Akademie věd ČR pod vedením Prof. RNDr. Jany Zvárové,DrSc., viz euromise.vse.cz/challenge2004/ .

MI-KDD P09– J. Rauch : Doménové znalosti

2

Využití doménových znalostí Vytvořeno s využitím článku

Rauch, J. - Šimůnek, M.: Applying Domain Knowledge in Association Rules Mining Process - First Experience. In: Foundations of Intelligent Systems Lecture Notes in Computer Science, 2011, Volume 6804/2011, 113-122. (viz též http://www.springerlink.com/content/x311835h07j27503/ )


3

Využití doménových znalostí

• Data STULONG - použité skupiny atributů

• Příklad analytické otázky a její řešení pomocí procedury 4ft-Miner • Znalosti o vzájemném vlivu atributů uchovávané v systému LISp-Miner • Odfiltrování důsledků známého vzájemném vlivu atributů – příklad


4

Data STULONG – matice dat Entry 1417 pacientů, viz http://euromise.vse.cz/challenge2004/data/entry/


5

Data STULONG – použité skupiny atributů Osobní charakteristiky

Education

Marital_status Marital_status

Responsibility

BMI – 13

Problémy Diabetes – yes/30, no/1378 Infarction – yes/34, no/1378

Hypertension – yes/220, no/1192 Hyperlipidemia – yes/54, no/815

Výsledky vyšetření

Diast – 7

Syst – 9

Cholesterol – 10


6

Analytická otázka – příklad Jsou v matici dat Entry nějaké zajímavé vztahy mezi kombinacemi osobních charakteristik a problémů pacienta na straně jedné a výsledků vyšetření na straně druhé?

?: Entry; Charakteristiky

? Entry; B (Charakteristiky)


Problémy

B (Problémy)

Vyšetření

0.85, 30

B (Vyšetření)

7

Zadání pravidel relevantních k analytické otázce B(Charakteristiky) B(Problémy)

0.85,30

B(Vyšetření)

0.85,30

B(Charakteristiky)

B(Problémy)


B(Vyšetření)

8

Zadání pravidel relevantních k analytické otázce

Intervaly délky 1 – 4 46 = 13+12+11+10

BMI – 13

Intervaly délky 1

13

Intervaly délky 2

12


Intervaly délky 3

11

Intervaly délky 4

10

9

Zadání pravidel relevantních k analytické otázce

Diabetes(yes) Diabetes(yes) Hyperilipidemia (yes) Diabetes(yes) Hyperilipidemia (yes) Hypertension(yes) Diabetes(yes) Hyperilipidemia (yes) Hypertension(yes) Infarction(yes) Diabetes(yes) Hyperilipidemia (yes) Infarction(yes) Diabetes(yes) Hypertension(yes) Diabetes(yes) Hypertension(yes) Infarction(yes) Diabetes(yes) Infarction(yes) Hyperilipidemia (yes) Hyperilipidemia (yes) Hypertension(yes) Hyperilipidemia (yes) Hypertension(yes) Infarction(yes) Hyperilipidemia (yes) Infarction(yes) Hypertension(yes) Hypertension(yes) Infarction(yes) Infarction(yes)


10

Zadání pravidel relevantních k analytické otázce Interval

Interval

Interval

Interval Interval Interval Interval Interval Interval Interval

Interval Interval Interval Interval

Interval


11

Aplikace procedury 4ft-Miner Entry

generation + verification


12

Výstup procedury 4ft-Miner 180* 106 verifikací

112 minut

123 pravidel

Problém – mnoho důsledků známého faktu: Když roste BMI, tak roste i diastolický tlak. BMI


Diast

13

Detail výstupu

Vzdělání (vyučen, maturita)

BMI(23;27


Hyperlipidemie

Infarkt

0.87,41

Diastolic 70,100)

14

Znalosti o vzájemném vlivu atributů uchovávané v systému LISp-Miner – příklady Když roste BMI tak roste i diastolický krevní tlak

Když roste BMI tak roste i šance na infarkt

Není známo

Pacienti s vyšším vzděláním mají nižší diastolický krevní tlak MI-KDD P09– J. Rauch : Doménové znalosti

Pacienti s vyšším vzděláním mají nižší BMI 15

Doménové znalosti - příklady využití • Formulace analytické otázky • Formalizované prvky doménové znalosti převedeme na množiny asociačních pravidel které lze chápat jako jejich důsledky. K tomu použijeme: – konzultace s doménovými experty

– dedukci mezi asociačními pravidly

• Množiny asociačních pravidel – důsledky prvků doménových znalostí využíváme k – odfiltrování nezajímavých pravidel z výstupu – syntéze nových prvků doménové znalosti (ale opatrně)


16

Analytická otázka s využitím doménové znalosti Jsou v matici dat Entry nějaké zajímavé vztahy mezi kombinacemi osobních charakteristik a problémů pacienta na straně jedné a výsledků vyšetření na straně druhé?

Nezajímají nás však důsledky známého faktu, že když roste BMI tak roste také diastolický krevní tlak.

?: Entry; (BMI Diast) Charakteristiky Problémy

?: Entry; (BMI B (Charakteristiky)

Diast) B (Problémy)


Vyšetření

0.85, 30

B (Vyšetření) 17

Převod doménové znalosti na množinu pravidel Prvek doménové znalosti se převede na množinu pravidel, které lze chápat jako jeho důsledky. Jsou to: a) atomické důsledky – velmi jednoduchá pravidla určená expertem b) logické důsledky atomických důsledků s využitím dedukčních pravidel v logickém kalkulu asociačních pravidel c) přijímané důsledky – tedy pravidla, která expert určí jako nic nového neříkající pravidla a která lze chápat jako důsledky a) nebo b) i když z nich logicky nevyplývají.


18

Atomické důsledky BMI p 0.85, Base

30

BMI(low)

Diastolic pro p, Base

BMI(medium) BMI(high)

BMI(low)

0.85, 30

Diastolic(low)

p, Base

Diastolic(medium)

p, Base Diastolic(hi

Diast(low)

BMI(16;21 BMI(21;22 BMI((21;22 , (22;23 ) MI-KDD P09– J. Rauch : Doménové znalosti

Diast 50;70) 0. 95,35 Diast( 50;70), 70;80) 0. 87,32 Diast 50;70) … 0.85,30

19

Logický důsledek atomického důsledku - příklady atomický důsledek: BMI(24,28 BMI(24,28 Entry

0.86,32

0.86, 32

Diast 80,100)

Diast 80,110) logicky plyne z BMI(24,28

Diast 80;100)

Entry

Diast 80;100)

0.86, 32

Diast 80,100)

Diast 80;110)

Diast 80;110)

BMI(24,28

a

b

BMI(24,28

a’

b’

BMI(24,28

c

d

BMI(24,28

c’

d’

a’ a a a b

BMI(24,28

0.86,32

0.86 a

Diast 80,110)

32

b’

b:

a' a ' b'

Diabetes (yes)

logicky plyne z BMI(24,28 MI-KDD P09– J. Rauch : Doménové znalosti

0.86 a' 32

0.86, 32

Diast 80,100) 20

Přijímaný důsledek - příklad Atomický důsledek: BMI(24,26

BMI(24,26

0.875, 42

Hyperlipidemia(yes)

neplyne logicky z BMI(24,28

0.875,42

Diast 70,100)

Infarction(yes) Diast 70,100)

0.875, 42

Diast 70,100)

ale neříká nic nového:

- má stejné parametry (konfidence = 0.875 and “Base” = 42 - týká se podmnožiny pacientů jichž se týká výchozí atomický důsledek


21

Výstup procedury (připomenutí) 180* 106 verifikací

112 minut

123 pravidel

Problém – mnoho důsledků známého faktu: Když roste BMI, tak roste i diastolický tlak. BMI


Diast

22

26 pravidel po odfiltrování důsledků BMI

16 důsledků BMI

Diast

Syst

Další výzkum pro potvrzení BMI

Syst

(pokud považováno za dosud neznáme, viz výše)


23

Při tvorbě těchto elektronických podkladů pro výuku byly využity výsledky těchto projektů realizovaných na Vysoké škole ekonomické v Praze: • Projekt GAČR 201/08/0802 - Aplikace metod znalostního inženýrství při dobývání znalostí z databází • Projekt MŠMT ME 913 - Nové nástroje a teorie pro dobývání znalostí z databází


24

Dobývání znalostí z databází (MI-KDD) Přednáška číslo 9 Využití doménových znalostí

Recommend Documents