MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
JanŽižka
Modernísystémyprozískávání
znalostízinformacíadat
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Bioinformatika:Aplikacevýpočetníchastatistickýchtech-
niknazpracováníaanalýzubiologickýchdat.
Strojovéučení(machinelearning,ML),uměláinteligence
(artificialintelligence,AI),dolovánízdat(datamining):
Modernísystémyprozpracováníinformaceazískáváníznalostízdat.Rozšiřujía
doplňujítradičníaplikacematematickýcha
informatickýchmetodtakéna
biomedicínskádata.
Vkomplikovanýchpřípadech,typickýchprorealitu,slouží
jakoalternativnímetody,inspirovanézpracováníminformace
inteligentnímibiologickýmisystémy.
Hierarchickývztahdatainformaceznalost
(zhlediskaalgoritmůstrojovéhoučení)
data
informace
znalost
metaznalost
filtracešumuzdat
pocházejících
zreálnéhosvěta
filtracenerelevantníchdat
(výběrdatzajímavýchpro
řešenýproblém)
generalizace
znalost
oznalosti
primárnícíl
data+šum
startstart
cílcíl
reálnýreálný
světsvět
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Modernípřístupyuměléinteligencesezaměřujínavyhledá-
vánístanovenéhocílevevysocesložitýchprostorechobsa-
hujícíchtakovémnožstvístavů,žezpraktickéhohlediska
nelzepoužítsystematicképrohledávání.
Induktivnístrojovéučenívyužívámožnostobjevovat
znalostnazákladězobecněníomezenéhomnožstvívzorů.
Dolováníznalostízdatzahrnujepřípravudat,hledání
účinnéhoalgoritmuprozobecnění,anakonecinterpretaci.
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Vzdoruje-lireálnýproblémtradičnímanalytickýmmeto-
dám,matematickémumodelování,apod.,paklzekřešení
použítsimulacipřístupuinteligentníchbiologic-
kýchsystémůschopnýchseučitazobecňovat.
Hledánískutečnéznalostivdatechsečastopodobáhle-
dánínejvyššíhovrcholkukopcevevelmizvlněnézaml-
ženékrajině(lokálníextrémy,globálníextrém,
nelinearita,nespojitéfunkce,apod.).
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
černáskříňka
šedáskříňka
bíláskříňka
trénovací
příklady
srozumitelná
znalost
nesrozumitelná
znalost
částečně
srozumitelná
znalost
reálnýsvět
Natrénovanéalgoritmylzerozdělitpodletypuposkytované
znalosti,kteráseaplikujenapřípadyvbudoucnosti:
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
černáskříňka
šedáskříňka
bíláskříňka
neznámé
budoucí
instance
reálnýsvět
Funkčnostalgoritmůovšemnemusí(aleimůže)odpovídat
srozumitelnostiznalostizískanétrénováním:
znalost
?
dotazy
chyba
odpovědí
x%
z%
y%
odpovědi
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Algoritmylzetakérozdělitpodletypuučení:
bezučitele(oprava
chybuvnitřalgoritmu:např.shlukování,
Kohonenovymapy,adaptivníresonančníteorie)
sučitelem(zpětnávazba,opravachybvně
algoritmu:např.uměléneuronovésítě
trénovanézpětnýmšířenímchyb)
Predikcepro
případyneznámé
přitrénování
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Datajsounejčastějiuspořádánaformoutabulky,kdeřádky
představujíinstance(příklady,vzorky,...)asloupceatri-
buty(dimenze,parametry,proměnné,vlastnosti,...):
názvyatributů
jedenzpříkladů
klasifikační
třída
jedenzatributů
(Wisconsinbreast-cancerdata)
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Vsoučasnostiexistujejižřadauživatelskypohodlnýchná-
strojůprodolováníznalostístrojovýmučením,např.WEKA:
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
WEKAobsahujeieditordattypuspreadsheet,kterýnemá
typickáomezení(např.pouze256sloupcůa65536řádků):
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
WEKApodporujetakézobrazování,např.rozloženíhodnot
všechatributůvčetněklasifikačnítřídy:
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Lzezobrazittřebaiklasifikačníchybyjednotlivýchpříkladů
prozvolenéatributy(jechybně,xjesprávně):
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Příkladautomatickygenerovanéhorozhodovacíhostromupro
reálnádataWisconsinbreast-cancer(klasifikacedlevlastností
odebranéhovzorkubuněk)algoritmemJ48systémuWEKA:
vkořenistromuje
testnanejvýznam-
nějšíatribut
testy
vlistechjsouodpovědi
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
ObdobnýsystémYALE(YetAnotherLearningEnvironment)také
umožňujevytvořitsložitýprocesdolovánízdat:
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Optimalizacegenetickýmialgoritmyumožňujemj.řešitúlohy,které
lzepřevéstnaproblémobchodníhocestujícího,např.hledatnejúčin-
nějšíanejekonomičtějšístanovenídruhůapořadítestůvyšetření:
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Vysoceefektivníprofesionálnígenerátorrozhodovacíchstromů
apravideljesystémC5/See5,používanýprorůznéaplikace:
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Uměléneuronovésítěmohouvřaděpřípadůnaléztvesložitých
mnohorozměrnýchprostorechoddělovacíhranicemeziurčitými
skupinamidatovýchinstancí.Hranicemůžebýttvořenavelmi
komplikovanounelineárnífunkcí,kteránemusíbýthladká,
spojitá,apod.,akterounelzeanalytickýmimetodamiodhadnout
anipřibližně.
Podobnějakoudalšíchalgoritmůstrojovéhoučení,návrh
efektivníuměléneuronovésítěnenísnadnýahledánísprávných
parametrů,včetněarchitekturysítě,býváčasověnáročné.
Podaří-lisevšaknajítpřijatelnéřešení,natrénovanýalgoritmus
poskytujekvalitníarychloupodporupřizkoumáníbudoucích,
vdobětréninkuneznámýchdatovýchinstancí­toplatíobecně
iproostatníalgoritmy,ikdyžčastovrůznémíře.
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
intuitivněočekávánáintuitivněočekáváná
hranicehranice
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
náhodnýodhadnáhodnýodhad
sítěnapočátkusítěnapočátku
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
sítínalezenásítínalezená
hranicenahranicena
koncivýpočtukoncivýpočtu
MachineLearning,ArtificialIntelligence,DataMining
Matematickábiologie&ICT
Metodaalgoritmůprovyhledáváníznalostizdatazinformace
existujíminimálnědesítky,smodifikacemistovkyavíce.
Vsoučasnédoběivdohlednébudoucnostijsouabudou
tytonástrojeintenzivněrozvíjenyaaplikovány.Důvodem
jeextrémněsilnýnárůstmnožstvídatvnejrůznějšíchoborech
azároveňpotřebatatodatanejenukládat,aleinetriviálním
způsobemzpracovávatpomocístrojů­lidéjezpracovávat
nemohoukvůliobrovskémurozsahuasložitosti.
Nalidechjeovšemnaléztmetodyzpracováníavyhodnotit
výsledkyvčetněrozhodnutí,co,jak,kdyakdepoužít.
Dolováníznalostizdatjesložitýačasověnáročnýproces,
kdeneuvážená,povrchníaplikacealgoritmůbezjejich
pochopenímůževéstkešpatnýmvýsledkůmvrealitě.
END