Pràcticas de La Unidad 2 Ia II

PRÀCTICAS DE LA UNIDAD II: DIAGRAMAS

DE INFLUENCIA I. PRESENTACIÓN MATERIA: INTELIGENCIA ARTIFICIAL II CLAVE: TIC-1003 EQUIPO NO: PRÁCTICA 4: Diseño de un árbol de decisión aplicando el algoritmo ID3 PROFESOR: Dr. José a. Montero Valverde, Dra. Miriam Martínez Arroyo FECHA: UNIDAD II: Diagramas de influencia COMPETENCIA (S):

• Comprender y manejar el concepto de árboles de decisión. • Conocer los alcances y limitaciones de los árboles de decisión en la solución de problemas.

II.INSTRUMENTACIÓN MATERIAL:

• Notas de clase • Problemas planteados.

EQUIPO: • Computadora personal. • Un sistema operativo acorde a los requerimientos solicitados para instalación de weka.

HERRAMIENTAS:

Tener instalado el programa Weka.

III. ASPECTOS TEÓRICOS INTRODUCCIÓN: La teoría de la decisión implica combinar:

• Teoría de la probabilidad, para medir la incertidumbre de las alternativas. • Teoría de la utilidad, para medir las preferencias de los decisores.

Un árbol de decisión es una representación gráfica de las alternativas disponibles para el agente y los aspectos que son inciertos:

• Un árbol de decisión tiene dos tipos de nodos: Nodos de decisión (cuadrados) • Nodos aleatorios (círculos).

El árbol de decisión se puede ver como una “guía” para el tomador de decisiones:

• Al encontrar un nodo de decisión debe seleccionar una de las alternativas • Al encontrar un nodo aleatorio no tiene control, la trayectoria está determinada por las probabilidades • Cada alternativa en un nodo aleatorio tiene asociada una probabilidad • Los nodos terminales (hojas) del árbol tienen un costo o utilidad (normalmente en unidades monetarias).

Para evaluar los árboles de decisión (ejemplo Figura 4.1):

• Se inicia a partir de los nodos terminales (de las hojas hacia la raíz): ◦ Para los nodos aleatorios,

se calcula la utilidad (costo) esperado en función de los costos de cada alternativa y sus probabilidades asociadas

◦ Para los nodos de decisión, se selecciona la alternativa de mayor utilidad (menor costo) esperado

DIAGRAMAS:

Figura 4.1. Ejemplo de evaluación e un árbol de decisión.

BIBLIOGRAFÍA:

• "inducción mediante árboles de decisión" , J. Ross Quinlan • http://www.ehowenespanol.com/tipos-arboles-decision-sobre_97878/

• Heger, Dominique A. (2004), «A Disquisition on The Performance Behavior of Binary Search Tree Data Structures»,

European Journal for the Informatics Professional 5 (5)

• Berlanga Silvente, V., Rubio Hurtado, M. J., Vilà Baños, R. (2013). Cómo aplicar árboles de decisión en SPSS. [En

línea]

• Vilà, R. (2012). Arboles de decisión SPSS. octubre de 2012, en Depósito digital de la UB: http://hdl.handle.net/2445/22282.

• http://www.ecured.cu/index.php/%C3%81rbol_de_decisi%C3%B3n • http://www.altonivel.com.mx/36690 - arbol - de - decision - una - herramienta - para - decidir - correctamente.html • http://www.estrategiamagazine.com/administracion/la-tecnica-del-arbol-para-la-toma-de-decisiones-

efectivasherramientas/

IV. DESARROLLO COMPETENCIAS ESPECÍFICAS: • Manejar conceptos relacionados a la teoría de la información y su uso en los árboles de decisión. • Conocer qué tipo de problemas pueden ser representados y resueltos a través de un árbol de decisión. • Aplicar los conceptos de toma de decisiones y probabilidad en la evaluación de los árboles de decisión.

ACTIVIDADES A DESARROLLAR: Resolver los siguientes ejercicios dibujando el árbol de decisión y aplicar el método de evaluación para determinar la alternativa más conveniente, en cada caso. EJERCICIO 1: HARINAS S.A.

EJERCICIO 3: LOS PROYECTOS

EJERCICIO 2. EL CONSULTOR

EJERCICIO 4: PIEDRAS PRECIOSAS

EJERCICIO 6: FAIR FAX

QUÉ HAGO CON MI DINERO:EJERCICIO 5

EJERCICIO 7: SURBOE

PRODUCTOS ENTREGABLES:

- Resolver los ejercicios de la práctica, por equipo, según sea su número, resolverá el ejercicio correspondiente para entregar en su cuaderno y compartirlo en clase con sus compañeros de los otros equipos.

- Trabajo escrito (reporte de la práctica) con todos los ejercicios resueltos.

V. EVALUACIÓN

RUBRICA PRODUCTO: practica Altamente competente:

100. Adelante con tu desempeño

Competente: 90. Cumple satisfactoriamente

Medianamente competente: 80. Precaución, están los elementos pero se pueden mejorar

Escasamente Competente: 70. Precaución, están algunos elementos hay que aprender los faltantes

No competente. Alerta, hay que mejorar para aprender.

Segmento Rubrica Práctica Cumplimiento en la entrega de la práctica (tiempo establecido)

La entregó antes o en la fecha establecida y en la hora establecida.

La entregó en la fecha estipulada pero fuera de la hora establecida.

Lo entregó 1 día posterior a la fecha establecida

Lo entregó más de dos días posterior a la fecha establecida

No la entregó

Presentación de la práctica (documentación)

Acorde a los criterios y formatos establecidos

No presenta uno de los criterios y formatos establecidos

No presenta dos de los criterios y formatos establecidos

No presenta tres o más de los criterios y formatos establecidos

No presenta ni el 50% de los criterios y formatos establecidos

Contenido Recopiló el 100% de la totalidad de los puntos especificados en la práctica.

Recopiló el 90% de los ejercicios de programación semanales y los resolvió en su totalidad.


Recopiló el 70% de los ejercicios

de programación semanales y

los resolvió en su

totalidad.

Recopiló menos del 70% de los ejercicios de programación semanales y no los resolvió totalmente.

Presentación de la práctica (ejecución en computadora)

Mostró la ejecución correcta del 100% de las actividades requeridas.

Mostró la ejecución correcta del 90% de las

actividades requeridas.

Mostró la ejecución correcta de 80% de las actividades requeridas.


Mostró menos del 70% de la ejecución correcta de las actividades requeridas

o no mostró

ninguna. Referencias bibliográficas

Presenta al menos 5 referencias o links de internet




No Presenta referencias o links de internet

VI. FORMATO DEL REPORTE

1. Portada 2. Índice 3. Introducción 4. Marco teórico 5. Desarrollo 6. Resultados 7. Conclusiones 8. Bibliografía

I. PRESENTACIÓN

MATERIA: INTELIGENCIA ARTIFICIAL II CLAVE: TIC-1003 EQUIPO NO: PRÁCTICA 5: Aprendizaje de un árbol de decisión PROFESOR: Dr. José a. Montero Valverde, Dra. Miriam Martínez Arroyo FECHA: UNIDAD II: Diagramas de influencia COMPETENCIA (S):

• Aprender y aplicar una de las herramientas probabilísticas aplicadas en el diseño de sistemas computacionales para el apoyo de la toma de decisiones.

• Comprender y manejar el concepto de aprendizaje en los árboles de decisión, aplicar uno de los algoritmos diseñados para tal fin tal como el ID3.

• Conocer los alcances y limitaciones de los árboles de decisión en la solución de problemas. II.INSTRUMENTACIÓN MATERIAL:

• Notas de clase

• Ejemplo de

EQUIPO: • Computadora personal. • Un sistema operativo acorde a los requerimientos solicitados para instalación de weka.

HERRAMIENTAS:

Tener instalado el programa Weka.

III. ASPECTOS TEÓRICOS INTRODUCCIÓN: Un árbol de decisión es un modelo de predicción y/o clasificación utilizado en el ámbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de construcciones lógicas, similares a los sistemas de predicción basados en reglas, utilizadas para representar y categorizar una serie de condiciones que ocurren de forma sucesiva durante la solución de un problema. Es decir, un árbol de decisión representa una disyunción de conjunciones de restricciones sobre los valores de instancias de atributos, esto es equivalente a un conjunto de reglas Si-Entonces, donde cada rama del árbol representa una regla. El consecuente de la regla son conjunciones relacionadas con la prueba de atributos sobre los nodos, mientras el consecuente de la regla indica la parte de la clasificación. Un árbol de decisión resulta apropiado para resolver problemas donde:

• Las instancias son representadas por pares de valor-atributo, por ejemplo (color: amarillo, aspecto: moteado, tamaño: grande, …).

• La función objetivo tiene valores de salida discretos. • Se pueden requerir descripciones disyuntivas. • Los datos de entrenamiento pueden contener errores.

Los árboles de decisión están estructurados por tres elementos: nodos, ramas y hojas. Un árbol de decisión puede ser diseñado a través de datos mediante un proceso de aprendizaje. Uno de los algoritmos más empleados para el aprendizaje es el ID3. Este algoritmo está categorizado como algoritmo de inducción, el cual proporciona uno de los métodos más simples y con mejores resultados en el proceso de aprendizaje automático. El propósito del aprendizaje en los árboles de decisión consiste en la representación objetiva de conceptos en base a sus atributos, a partir de un conjunto de ejemplos positivos y negativos. El árbol de decisión generado de esta manera representa una función booleana, en la cual al introducir un nuevo concepto determina si pertenece a la clase del concepto objetivo. Cada nodo interno del árbol representa un test sobre el valor de uno de los atributos, y cada hoja especifica el valor booleano que ha de devolver el sistema si es que se llega hasta ese punto.

DIAGRAMAS:

Figura 5: Árbol de decisión aprendido en Weka Classifier

BIBLIOGRAFÍA:

- WEKA Machine Learning Algorithms in Java (pdf). - http://archive.ics.uci.edu/ml/datasets.html - http://ccia.ei.uvigo.es/docencia/MRA/0910/practicas/practica - 1/practica - 1.html - Archivo JAR con la versión ARFF para WEKA del repositorio UCI (copia local)

-

IV. DESARROLLO COMPETENCIAS ESPECÍFICAS: • Manejar conceptos relacionados a la teoría de la información y su uso en los árboles de decisión. • Aplicar uno de los principales algoritmos de aprendizaje empleados en los árboles de decisión: ID3. • Manejar la plataforma para diseñar modelos probabilísticos WEKA con el fin de resolver problemas

aplicando el aprendizaje en árboles de decisión. • Seleccionar un problema del mundo real, determinar la existencia de repositorios en internet con el fin de

diseñar un modelo de solución a través del aprendizaje. • Conocer que tipo de problemas pueden ser representados y resueltos a través de un árbol de decisión. ACTIVIDADES A DESARROLLAR:

1) Aplicar el algoritmo ID3 para generar el árbol de decisión en forma manual a la Base de Datos de Car Evaluation (extraida del Repositry UCI, en forma parcial y mostrada en la parte inferior de esta práctica).

2) Procesar el mismo archivo en Weka (BD parcial de Car Evaluation) a. Seleccionar Explorar b. Visualizar datos c. Realizar comparativa entre lo obtenido manualmente y lo obtenido con Weka.

3) Extraer del Repository UCI (Machine Learning Repository) la BD de Car Evaluation completa (http://archive.ics.uci.edu/ml/datasets/Car+Evaluation) con 1728 casos y procesar en Weka.

4) Procesar en Weka los ejemplos de clase y comentar resultados. En la Base de Datos de Car Evaluation. el modelo evalúa coches de acuerdo con la estructura descrita a continuación. La BD consta 30 valores ejemplos extraídos de la BD original de UCI. Posee 6 atributos y una variable Clase. La variable Clase tiene 4 valores: unacc, acc, good, vgood. Además del concepto destino (CAR), el modelo incluye tres conceptos intermedios: PRECIO, TECH, CONFORT. Los valores de entrada de cada variable se imprimen en minúsculas.

PRODUCTOS ENTREGABLES: - Trabajo escrito (reporte de la práctica) - Archivo .arff - Ejemplos en Weka

RUBRICA PRODUCTO: practica

V. EVALUACIÓN Altamente competente:

100. Adelante con tu desempeño

Competente: 90. Cumple satisfactoriamente

Medianamente competente: 80. Precaución, están los elementos pero se pueden mejorar

Escasamente Competente: 70. Precaución, están algunos elementos hay que aprender los faltantes

No competente. Alerta, hay que mejorar para aprender.

Segmento Rubrica Práctica

Cumplimiento en la entrega de la práctica (tiempo establecido)

La entregó antes o en la fecha establecida y en la hora establecida.

La entregó en la fecha estipulada pero fuera de la hora establecida.

Lo entregó 1 día posterior a la fecha establecida

Lo entregó más de dos días posterior a la fecha establecida

No la entregó

Presentación de la práctica (documentación)

Acorde a los criterios y formatos establecidos

No presenta uno de los criterios y formatos establecidos

No presenta dos de los criterios y formatos establecidos

No presenta tres o más de los criterios y formatos establecidos

No presenta ni el 50% de los criterios y formatos establecidos

Contenido Recopiló el 100% de la totalidad de los puntos especificados en la práctica.

Recopiló el 90% de los ejercicios de

programación semanales y los resolvió en su totalidad.


Recopiló el 70% de los ejercicios

de programación semanales y

los resolvió en su

totalidad.

Recopiló menos del 70% de los ejercicios de programación semanales y no los resolvió totalmente.

Presentación de la práctica (ejecución en computadora)


Mostró la ejecución correcta del 90% de las

actividades requeridas.

Mostró la ejecución correcta de 80% de las actividades requeridas.


Mostró menos del 70% de la ejecución correcta de las actividades requeridas

o no mostró

ninguna. Referencias bibliográficas





No Presenta referencias o links de internet

VI. FORMATO DEL REPORTE

1) Portada 2) Índice 3) Introducción 4) Marco teórico 5) Desarrollo 6) Resultados 7) Conclusiones 8) Bibliografía

Pràcticas de La Unidad 2 Ia II

Documents

Transcript of Pràcticas de La Unidad 2 Ia II