Bài giảng Nhập môn khai phá dữ liệu - Chương 10: Nội dung bổ sung về Khai phá dữ liệu - Hà Quang Thụy

1. Tài nguyên KPDL: 9 kiểu công cụ

▪ Data mining suites (DMS): Gói chứa nhiều phương pháp

▪ Business intelligence packages (BIs): Không tập trung chuyên

về KPDL mà hướng tới các chức năng KPDL cơ bản, đặc biệt

thống kê trong ứng dụng kinh doanh

▪ Mathematical packages (MATs): Không tập trung chuyên về

KPDL mà hướng tới một tập lớn và mở rộng các thuật toán và thủ

tục trực quan hóa.

▪ Integration packages (INTs): gói mở rộng nhiều thuật toán nguồn

mở khác nhau/phần mềm độc lập (chủ yếu là dựa trên Java).

▪ EXT: tiện ích bổ sung nhỏ cho các công cụ khác như Excel,

Matlab, R với chức năng hạn chế song rất hữu dụng.

▪ Data mining libraries (LIBs): thực thi các phương pháp KPDL

như một gói chức năng.

▪ Specialties (SPECs): tương tự như LIB song gồm chỉ một nhóm

phương pháp chuyên biệt (mạng nơron, )

▪ RES: thường là sự thi hành lần đầu tiên thuật toán mới, cách tân.

▪ Solutions (SOLs): một nhóm các công cụ được tùy biến cho các

lĩnh vực ứng dụng hẹp như khai phá văn bản (GATE), xử lý hình

ảnh (ITK, ImageJ) .

pdf102 trang | Chia sẻ: Thục Anh | Ngày: 12/05/2022 | Lượt xem: 339 | Lượt tải: 1download
Bạn đang xem trước 20 trang nội dung tài liệu Bài giảng Nhập môn khai phá dữ liệu - Chương 10: Nội dung bổ sung về Khai phá dữ liệu - Hà Quang Thụy, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
h chủ đề mới 78 ⚫ Giải thích ▪ Must-links: Tri thức sẵn có để tinh chỉnh chủ đề mới trong lấy mẫu Gibbs ▪ Sử dụng mô hình Multi-generated Pólya Urn cho cannot-links Multi- generalized Pólya Urn model (MGPU) Một mô hình đề xuất [ACIIDS2018] ⚫ Giải thích ▪ Dựa trên AMC ▪ Thiên vị mức “miền dữ liệu”: chỉ lấy miền dữ liệu gần S* ▪ Định nghĩa độ gần nhau: mức chủ đề và mức miền ▪ Mức miền: tập từ vựng, tập từ tốp đầu, lượng chủ đề gần nhau ▪ Mức chủ đề: độ đo cosine cho hai túi từ có trọng số 79 Quang-Thuy Ha, Thi-Cham Nguyen et al. Áp dụng phân lớp đa nhãn văn bản 80 Kiểm thử một mẫu cho kỳ vọng giả thuyết quần thể với phương sai chưa biết: kết quả tăng thực sự so với AMC WordNet và mô hình chủ đề suốt đời 81 ⚫ WordNet chung: Thành phần kho tri thức [Chen16] ▪ Đề cập cơ sở tri thức KB khởi đầu:  | WordNet ▪ Tiếp theo: chỉ đề cập tới KB khởi đầu  ⚫ Vấn đề ▪ ? Sử dụng WordNet: tính đa nghĩa của từ, đồng nghĩa/nghịch nghĩa có ngư cảnh các từ. ▪ Đồng nghĩa: mustlinks, nghịch nghĩa: Cannotlinks ▪ Vấn đề: “ngữ cảnh” đồng nghĩa/nghịch nghĩa ▪ Wordnet chung hay WordNet tự xây dựng ? ▪ Wordnet chung: sẵn có VietWordNet từ KC.01.02/06-10 ▪ Wordnet tự xây dựng: liên quan tới từng miền Học sâu suốt đời: một chủ đề nghiên cứu ⚫ Các chủ đề nghiên cứu về học suốt đời ▪ Học suốt đời phân lớp và hồi quy (Lifelong Learning for Classification and Regression) ▪ Học tăng cường suốt đời (Lifelong Reinforcement Learning) ▪ Học suốt đời với chuyển giao tri thức mức cao (Few-Shot Transfer in Lifelong Learning). David Isele. trier.de/pers/hd/i/Isele:David . ACIIDS 2018? ▪ Học sâu suốt đời (Deep Lifelong Learning) ▪ Học suốt đời mô hình người dùng và cung cấp đám đông (Lifelong Learning for User Modeling and Crowdsourcing) ▪ Học suốt đời người máy (Lifelong Robot Learning) ▪ Học suốt đời thông tin cấu trúc (Lifelong Learning of Structured Information) 82 Học sâu: Nhận định của François Chollet ⚫ An Interview with François Chollet ▪ François Chollet, ít thông tin cá nhân https://research.google.com/pubs/105096.html https://www.linkedin.com/in/fchollet Công bố không nhiều trier.de/pers/hd/c/Chollet:Fran=ccedil=ois ▪ Hạng Kaggle cao nhất đạt được: 17th toàn cầu ▪ AI và học sâu của Google ▪ Tác giả: (i) Keras: khung học sâu Python hàng đầu nguồn mở: Google Scholar Cited 1060, (ii) Sách "Deep Learning with Python“ ▪ https://www.datacamp.com/community/blog/int erview-francois-chollet ▪ https://www.datacamp.com/community/tutorials /deep-learning-python ▪ [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 83 https://www.kaggle.com/rankings Học sâu: Hạn chế [Chollet18] ⚫ Giới thiệu ▪ Hạn chế của học sâu ▪ Học sâu suốt đời: Một chủ đề nghiên cứu thời sự ⚫ Học sâu và hạn chế ▪ Học sâu  “vô hạn” ứng dụng ▪  nhiều ứng dụng ngoài tầm học sâu dù có rất nhiều ví dụ mẫu ▪ X={mô tả sản phẩm phần mềm do một người quản lý viết} ▪ Y={mã nguồn đáp ứng mô tả do một đội viết} ▪ Cho 105 (106) cặp (x, y)  XY. Không thể sinh một mô hình học sâu ánh xạ X → Y ▪ Giải thích: học xâu = chuỗi các phép biến đổi hình học đơn giản và liên tục: X → Y (hai không gian vector) ngầm định  dãy biến đổi liên tục từ X sang Y. ▪ Một mô hình học sâu là một chương trình song hầu hết chương trình không thể biểu diễn bằng mô hình học sâu ▪ Chồng lấp mô hình chỉ giảm thiểu mà không giải quyết 84 https://blog.keras.io/the-limitations-of-deep-learning.html Hạn chế học sâu: ví dụ 1 ⚫ Rủi ro nhân cách hóa mô hình học máy ▪ anthropomorphizing ▪ Nhận dạng ảnh: chỉ một thay đổi nhỏ cho kết quả khác biệt ▪ Giải thích: mô hình học sâu không hiểu gì về đầu vào như con người ▪ Con người hiểu biết về hình ảnh, âm thanh, ngôn ngữ 85 [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 “Cậu bé đang cầm cây gậy bóng chày” phân loại ảnh gấu trúc thành vượn Hạn chế học sâu: Ảnh mờ trong gương ⚫ Lưu ý chuyên gia học máy ▪ Tránh rơi vào bẫy miền tin “mạng nơ-ron hiểu được bài toán cần làm” ▪ Thực hiện nhiệm vụ hẹp hơn so với mong muốn con người ▪ Dữ liệu khác ví dụ học: mạng nơ-ron phá vỡ một cách vô lý 86 [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 Thế giới thực Trải nghiệm con người Tóm tắt khái niệm vào tâm trí người Dữ liệu có nhãn minh hoạ khái niệm Mô hình học máy Không phải lúc nào cũng chuyển tốt tới thế giới thực Không khớp với mô hình tâm trí người dẫn xuất Khớp với dữ liệu học Học sâu khác biệt với người học ⚫ Khái quát hóa cục bộ  khái quát hóa tới cực ▪ Học sâu: biến dạng hình học đơn giản từ đầu vào tới đầu ra. Khái quát hóa cục bộ (local generalization) ▪ “Con” người học: qua trải nghiệm bản thân thay vì được trình diễn qua ví dụ học ▪ Năng lực cao > ánh xạ kích thích trực tiếp để đáp ứng trực tiếp ▪ Duy trì các mô hình phức tạp, tóm tắt các mô hình cho tình huống hiện thời, dùng mô hình cho tương lai ▪ Khái quát hóa “cận biên” (extreme generalization) 87 [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 Tương lai học sâu: suy đoán [Chollet18] ⚫ Mô hình như là một chương trình máy tính ▪ Từ khái quát hóa cục bộ tới khái quát hóa cận biên (lập luận và trừu tượng hóa) ▪ Hiện tại: thành phần học của hệ thống chỉ xảy ra ở mô đun chuyên dụng. Tương lai: hệ thống học đầy đủ, không có sự tham gia của con người 88 [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 geometric primitives algorithmic primitives Truyền ngược, phân biệt và học tự động ⚫ Vượt qua tầng lan truyền ngược, sự phân biệt ▪ “Chương trình” mô hình vẫn sử dụng chương trình con hình học (phân biệt) song toàn bộ chương trình là không phân biệt ▪ Lan truyền ngược là cách thức không nên chọn ▪ Không phân biệt toàn bộ song phân biệt cục bộ ⚫ Học máy tự động ▪ Tương lai: học kiến trúc mô hình ▪ Tìm kiếm kiến trúc phù hợp dựa trên học tăng cường và học di truyền ▪ Học kiến trúc mô hình đồng thời với trọng số mô hình ▪ Thay thế công việc của kỹ sư học máy → kỹ sư học máy hướng mô hình tới mục tiêu kinh doanh, mô hình tác động tới hệ sinh thái kỹ thuật số 89 [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 Học sâu suốt đời: tái sử dụng mô-đun 90 [Chollet18] François Chollet. Deep Learning with Python. Manning, 2018 ▪ Chương trình con thuật toán (Algorithmic subroutine): tri thức mức miền, được tổ chức vào thư viện ▪ Chương trình con hình học (Geometric subroutine): tri thức mức dữ liệu cụ thể liên quan tới thuật toán học sâu Học sâu suốt đời ⚫ Nhận diện thực thể ▪ Lei Shu, Hu Xu, Bing Liu. Lifelong Learning CRF for Supervised Aspect Extraction. ACL (2) 2017:148-154. Học suốt đời nhận diện thực thể ▪ Lei Shu, Bing Liu, Hu Xu, Annice Kim. Lifelong-RL: Lifelong Relaxation Labeling for Separating Entities and Aspects in Opinion Targets. EMNLP 2016: 225-235. Học suốt đời nhận diện thực thể ▪ Chen Tessler, Shahar Givony, Tom Zahavy, Daniel J. Mankowitz, Shie Mannor. A Deep Hierarchical Approach to Lifelong Learning in Minecraft. AAAI 2017: 1553-1561. Học sâu dữ liệu ảnh ⚫ Học sâu suốt đời phân lớp đa nhãn ▪ Lei Shu, Hu Xu, Bing Liu. DOC: Deep Open Classification of Text Documents. EMNLP 2017: 2911-2916. Học sâu ▪ Geli Fei, Shuai Wang, Bing Liu. Learning Cumulatively to Become More Knowledgeable. KDD 2016: 1565-1574. Phân lớp sâu suốt đời = học tích lũy + học sâu (trên) ▪ Quang-Thuy Ha, Thi-Ngan Pham, Van-Quang Nguyen, Thi-Cham Nguyen, Thi-Hong Vuong, Minh-Tuoi Tran and Tri-Thanh Nguyen. A New Lifelong Topic Modeling Method and Its Application to Vietnamese Text Multi-label Classification. ACIIDS 2018 (in press). Phân lớp đa nhãn dựa trên mô hình chủ đề suốt đời. 91 Một dự án học sâu suốt đời 92 ⚫ Giới thiệu ▪ Do Eric Eaton chủ trì, được AFRL và DARPA tài trợ ▪ https://www.grasp.upenn.edu/projects/lifelong-deep- learning ▪ Xem [Isele17] Học sâu suốt đời ⚫ Một vài tham khảo khác ▪ David Isele. Thesis Proposal: Representations for Continuous Learning. Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence (AAAI-17). https://www.grasp.upenn.edu/people/david-isele https://www.grasp.upenn.edu/labs/lifelong-machine-learning ▪ Simon Stiebellehner, Jun Wang, Shuai Yuan. Learning Continuous User Representations through Hybrid Filtering with doc2vec. arXiv:1801.00215. ▪ Andrei A. Rusu, Neil C. Rabinowitz, Guillaume Desjardins, Hubert Soyer, James Kirkpatrick, Koray Kavukcuoglu, Razvan Pascanu, Raia Hadsell. Progressive Neural Networks. CoRR abs/1606.04671, 2016 ▪ Irina Higgins, Arka Pal, Andrei A. Rusu, Loïc Matthey, Christopher Burgess, Alexander Pritzel, Matthew Botvinick, Charles Blundell, Alexander Lerchner. DARLA: Improving Zero-Shot Transfer in Reinforcement Learning. ICML 2017: 1480-1490 ▪ James Kirkpatrick et al. Overcoming catastrophic forgetting in neural networks. CoRR abs/1612.00796, 2016. ▪ v.v. 93 GIỚI THIỆU VỀ HỌC MÁY THẾ GIỚI MỞ 94 Tài liệu nghiên cứu ⚫ [Chen18] Zhiyuan Chen, Bing Liu. Lifelong Machine Learning (2nd edittion). Morgan & Claypool, 2018 ▪ CHAPTER 5. Open-World Learning ▪ [Bendale15] Abhijit Bendale and Terrance E Boult. Towards open world recognition. IEEE Conference on Computer Vision and Pattern Recognition, pages 1893–1902, 2015. ▪ [Fei16] Geli Fei and Bing Liu. Breaking the closed world assumption in text classification. NAACL-HLT, pages 506–514, 2016. ▪ [Fei16a] Geli Fei, Shuai Wang, Bing Liu. Learning Cumulatively to Become More Knowledgeable. KDD 2016: 1565-1574. ▪ [Shu17] Lei Shu, Hu Xu, Bing Liu. DOC: Deep Open Classification of Text Documents. EMNLP 2017: 2911-2916. ▪ Lei Shu, Hu Xu, Bing Liu. Unseen Class Discovery in Open-world Classification. CoRR abs/1801.05609, 2018 ▪ CHAPTER 8. Continuous Knowledge Learning in Chatbots ▪ [Mazumder18] Sahisnu Mazumder, Nianzu Ma, and Bing Liu. Towards a continuous knowledge learning engine for chatbots. ArXiv:1802.06024, 2018 95 Ví dụ minh họa 1: Người máy chào hỏi ⚫ Người máy chào đón khách hàng ở cửa ra-vào ▪ Với mỗi khách hàng quen: Có ảnh, tên khách hàng, thông tin khác và mô hình đoán nhận khách hàng từ ảnh ▪ Một khách hàng tới cửa ra –vào. Người máy chụp ảnh, sử dụng mô hình đoán nhận khách hàng để biết tên khách hàng. ⚫ Tiếp cận học máy thế giới đóng ▪ Số lớp = số lượng khách hàng quen + 01 “lớp chưa biết” ▪ Khách quen: phát hiện, chào hỏi theo tên ▪ Khách lạ: phân vào lớp chưa biết và đợi người quản lý nạp mô hình phân lớp mới. ⚫ Tiếp cận học máy thế giới đóng ▪ Số lớp = số lượng khách hàng quen + k “lớp chưa biết” ▪ Khách quen: phát hiện lớp, chào hỏi theo tên ▪ Khách lạ: bổ sung dữ liệu về khách như chụp thêm ảnh nhận diện, đàm thoại với khách hàng hoặc người quản lý để biết tên và các thông tin khác về khách hàng. Chào hỏi theo tên. Xây dựng mô hình đoán nhận khách hàng theo ảnh. 96 Ví dụ minh họa 2: Chatbot với chủ đề mới ⚫ Đàm thoại chatbot ▪ Chatbot đã nhận biết được một số chủ đề cho trước theo mô hình phân lớp từ ví dụ học liên quan tới mỗi chủ đề ▪ Khởi động một đàm thoại mới: Sử dụng các mô hình phân lớp để nhận diện chủ đề của đàm thoại hiện thời ⚫ Tiếp cận thế giới đóng ▪ Người đàm thoại nêu câu đàm thoại, dùng các mô hình phân lớp phát hiện chủ đề người đàm thoại nêu ra. ▪ Sử dụng cơ sở tri thức cho chủ đề chưa biết: suy luận tuy nhiên không tự nhiên ⚫ Tiếp cận thế giới mở ▪ Số lớp = số chủ đề đã biết + k lớp “khác đi” ▪ Câu đàm thoại thuộc chủ đề: tiếp tục trợ giúp ▪ Câu đàm thoại không thuộc chủ đề đã biết. Sử dụng Cơ sở tri thức, đàm thoại người dùng để thêm tri thức dữ kiện. ▪ Xây dựng mô hình phân lớp theo các chủ đề liên quan với đàm thoại bổ sung. 97 Ví dụ minh họa 3: Xe tự lái trên đường ⚫ Xe tự lái ▪ Muôn màu “vật” có thể gặp trên đường ▪ Có mô hình liên quan tới các kiểu đối tượng “đã biết” ▪ Xuất hiện không ngừng các đối tượng “chưa biết” ⚫ Chỉ có thể tiếp cận thế giới mở ▪ Bài toán rất phức tạp ▪ Ghi nhận dữ liệu đối tượng chưa biết và tương tác để có thêm thông tin về đối tượng chưa biết ▪ Tương tác: (i) người giám sát, (2) khách hàng, (3) đa tác tử: kết nối với các xe đang vận hành “láng giềng” bổ sung tri thức về đối tượng chưa biết ⚫ Qua ba ví dụ ▪ Nhận ra một “cái mới chưa biết” nào đõ xuất hiện ▪ Tự động học để hiểu về “cái mới chưa biết” đó 98 Học thế giới mở ⚫ Định nghĩa 1) Bộ học có một mô hình phân lớp đa lớp FN={f1, f2,..., fN} từ N tập dữ liệu lớp quá khứ DN= {D1, D2, , DN} với các nhãn lớp tương ứng YN= {l1, l2, , lN}.  thể hiện mới x, FN hoặc gán nhãn li Y N hoặc từ chối và đưa x vào tập chưa biết R. 2) Hệ thống/người sử dụng xác định các lớp chưa biết ẩn C trong R và thu thập dữ liệu học cho các lớp chưa biết 3) Giả sử có k lớp mới đã đủ dữ liệu học, bộ học học gia tăng k lớp mới theo dữ liệu học. Bộ học cập nhật là (FN+k, DN+k, YN+k). ⚫ Học thế giới mở là một dạng học suốt đời ▪ Bài toán TN+1: xây dựng bộ phân lớp mở đa lớp dựa trên các lớp đã biết và các lớp mới ▪ Cơ sở tri thức: mọi mô hình thuộc FN+k và mọi dữ liệu thuộc DN+k. ▪ 3)  học gia tăng truyền thống (không từ chối thể hiện lớp chưa biết) dù có bổ sung lớp mới gia tăng mà không cần học lại toàn bộ mô hình 99 Học không gian tương tự theo tâm [Fei16] ⚫ Tư tưởng ▪ Học khái niệm mới của con người thông qua các khái niệm tương tự đã biết ▪ Đã biết {“phim”, “đồ nội thất”, “bóng đá”} cần học khái niệm mới chưa biết “bóng rổ”. “Bóng rổ” tương tự “bóng đá” và rất khác biệt “phim” và “đồ nội thất” ▪ Hai bước (1) tìm kiếm tập SC các lớp đã biết tương tự lớp mới chưa biết lN+1, (2) học phân biệt tách lớp mới chưa biết lN+1 với các lớp đã biết tương tự trong SC ▪ center-based similarity: tương tự theo tâm ⚫ Giải pháp ▪ (1) Tìm SC: Chạy từng bộ phân lớp nhị phân “1-vs-rest” trong FN với mỗi xDN+1. Lớp “tương tự” với lớp “mới chưa biết” có một tỷ lệ đoán nhận các x  DN+1 vượt qua một ngưỡng cho trước. ▪ (2) gồm hai nội dung: (i) xây dựng phân lớp nhị phân đoán nhận lớp N+1 với DN+1 tập ví dụ dương và SCDi là tập ví dụ âm (2) cập nhật các phân lớp thuộc SC với tập ví dụ dương đã biết còn tập ví dụ âm là tập ví dụ âm đã biết bổ sung thêm DN+1. 100 Thuật toán học gia tăng CBS khái quát ⚫ N ⚫ H 101 [Fei16] mô tả cụ thể thuật toán CL-cbsSVM với “tương tự theo tâm” Đánh giá thuật toán học gia tăng CBS ⚫ Nhận biết một ví dụ là chưa biết ▪ Bộ học cập nhật FN+1= {f1, f2, , fN, fN+1}, một thể hiện x, cần xác định x thuộc một lớp đã biết nào hoặc thuộc một lớp chưa biết. ▪ f1 là các bộ phân lớp nhị phân SVM “1-vs-còn lại” mà điểm đầu ra SVM khó so sánh ▪ Chuyển điểm đầu ra SVM thành một xác suất P(li|x) theo thuật toán [Platt99] (có sẵn trong LIBSVM) ⚫ Quyết định ▪ y* : nhãn quyết định cho x ▪ : ngưỡng quyết định, chọn =0.5 ▪ Co: “nhãn” lớp mới chưa biết. 102

Các file đính kèm theo tài liệu này:

  • pdfbai_giang_nhap_mon_khai_pha_du_lieu_chuong_10_noi_dung_bo_su.pdf