Inteligencia Artificial - Aprendizaje automático

57 Pages·2016·0.16 MB·Spanish

Inteligencia Artificial
Aprendizaje automático
Departamento de Ciencias de la Computación
e Inteligencia Artificial
Universidad de Sevilla
CCIA,US InteligenciaArtificial IA 1/57
Aprendizaje
▶ Definiciones de aprendizaje:
▶ Cualquiercambioenunsistemaquelepermitarealizarla
mismatareademaneramáseficientelapróximavez(H.
Simon)
▶ Modificarlarepresentacióndelmundoqueseestá
percibiendo(R.Michalski)
▶ Realizarcambiosútilesennuestrasmentes(M.Minsky)
CCIA,US InteligenciaArtificial IA 2/57
Aprendizaje
▶ Aprendizaje automático: construir programas que mejoran
automáticamente con la experiencia
▶ Ejemplos de tareas:
▶ Construccióndebasesdeconocimientoapartirdela
experiencia
▶ Clasificaciónydiagnóstico
▶ Mineríadedatos,descubrirestructurasdesconocidasen
grandesgruposdedatos
▶ Resolucióndeproblemas,planificaciónyacción
CCIA,US InteligenciaArtificial IA 3/57
Tipos de aprendizaje y paradigmas
▶ Tipos de aprendizaje
▶ Supervisado
▶ Nosupervisado
▶ Conrefuerzo
▶ Paradigmas
▶ Aprendizajepormemorización
▶ Clasificación(Clustering)
▶ Aprendizajeinductivo
▶ Aprendizajeporanalogía
▶ Descubrimiento
▶ Algoritmosgenéticos,redesneuronales
CCIA,US InteligenciaArtificial IA 4/57
Ejemplo de aprendizaje
▶ Conjunto de entrenamiento
▶ Ejemplos:díasenlosqueesrecomendable(ono)jugaral
tenis
▶ Representacióncomounalistadeparesatributo--valor
Ej. Cielo Temperatura Humedad Viento JugarTenis
𝐷 Soleado Alta Alta Débil -
1
𝐷 Soleado Alta Alta Fuerte -
2
𝐷 Nublado Alta Alta Débil +
3
𝐷 Lluvia Suave Alta Débil +
4
…
▶ Objetivo: Dado el conjunto de entrenamiento, aprender el
concepto «Días en los que se juega al tenis»
▶ Setratadeaprendizajesupervisado
▶ Problema: ¿Cómo expresar lo aprendido?
▶ Enestetema,veremosalgoritmosparaaprenderárbolesde
decisión,reglas,modelosprobabilísticos,...
CCIA,US InteligenciaArtificial IA 5/57
Aprendizaje de
árboles de decisión
CCIA,US InteligenciaArtificial IA 6/57
Árboles de decisión
▶ Ejemplos de árboles de decisión
Cielo
Soleado Nublado Lluvia
+
Humedad Viento
Alta Normal Fuerte Debil
− + − +
CCIA,US InteligenciaArtificial IA 7/57
Árboles de decisión
▶ Ejemplos de árboles de decisión
Color
Rojo Verde Azul
−
Tamaño Forma
Grande Pequeño Redondo Cuadrado
+ − +
Tamaño
Grande Pequeño
+ −
CCIA,US InteligenciaArtificial IA 8/57
Árboles de decisión
▶ Árboles de decisión
▶ Nodosinteriores:atributos
▶ Arcos:posiblesvaloresdelnodoorigen
▶ Hojas:valordeclasificación(usualmente+ó−,aunque
podríasercualquierconjuntodevalores,nonecesariamente
binario)
▶ Representacióndeunafunciónobjetivo
▶ Disyunción de reglas proposicionales:
(Cielo=Soleado ∧ Humedad=Alta → JugarTenis= −)
∨ (Cielo=Soleado ∧ Humedad=Normal → JugarTenis= +)
∨ (Cielo=Nublado → JugarTenis= +)
∨ (Cielo=Lluvioso ∧ Viento=Fuerte → JugarTenis= −)
∨ (Cielo=Lluvioso ∧ Viento=Debil → JugarTenis= +)
▶ Capaz de representar cualquier subconjunto de instancias
CCIA,US InteligenciaArtificial IA 9/57
Aprendizaje de árboles de decisión
▶ Objetivo: aprender un árbol de decisión consistente con los
ejemplos, para posteriormente clasificar ejemplos nuevos
▶ Ejemplo de conjunto de entrenamiento:
Ej. Cielo Temperatura Humedad Viento JugarTenis
𝐷 Soleado Alta Alta Débil -
1
𝐷 Soleado Alta Alta Fuerte -
2
𝐷 Nublado Alta Alta Débil +
3
𝐷 Lluvia Suave Alta Débil +
4
…
CCIA,US InteligenciaArtificial IA 10/57