APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1.

Transcrição

1 APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1. SQUIZANI, Cleonice Schell 2 ; MORALES, Yuri 2 ; VIEIRA, Sylvio André Garcia 2 1 Trabalho de pesquisa - UNIFRA 2 Curso de Sistemas de Informação do Centro Universitário Franciscano (UNIFRA), Santa Maria, RS, Brasil cleoshs@hotmail.com; sylvio@unifra.br; RESUMO O objetivo desse trabalho é realizar um estudo com mineração de dados. Através do qual se aplica os principais algoritmos de classificação em uma base de dados, dentre os algoritmos podemos citar: algoritmos de indução, de regras de decisão, redes neurais artificiais, algoritmos baseados em métodos estatísticos, etc.. Serão realizadas comparações de desempenho sobre resultados obtidos pelos algoritmos, para determinar a possibilidade de identificação de um padrão que possa classificar os respiradores bucais e nasais, a partir dos padrões definidos pelo algoritmo. Para o estudo e testes desses algoritmos foi utilizada uma base de dados contendo informações sobre padrões esqueléticos e características oclusais de crianças respiradoras bucais e nasais (MATTAR, 2002). Aplicou-se diversos classificadores através do software Weka. Observou-se que há comportamentos distintos entre os classificadores e que alguns deles conseguiram bons resultados na classificação. Palavras-chave: Base de Dados, WEKA, Data Mining, Classificação. 1. INTRODUÇÃO A cada dia, o uso de base de dados em organizações vem assumindo maiores proporções e, a extração de informações, a partir de grande quantidade de dados, passou a ser uma tarefa de total importância. No entanto, extrações a partir de consultas em linguagem SQL feitas por usuários, nem sempre satisfazem plenamente as necessidades na busca de resultados. Nesse sentido, se faz necessário outas formas de extração, para que novas informações em funções de padrões ou regras sejam descobertas a partir de uma base de dados, principalmente, se tratando de informações com a capacidade para correlacionar coisas aparentemente desvinculadas (REZENDE, 1999). Portanto, se faz necessário o uso de softwares e ferramentas específicas, e algoritmos para efetuar consultas sobre base de dados, onde apresentam grande quantidade de dados e

2 informações. Nesse contexto, são de fundamental importância, o estudo e desenvolvimento de ferramentas de Data Mining mais confiáveis, que a partir da extração de registros, obtem-se informações necessárias que auxiliem o usuário na tomada de decisões nos mais diferentes ramos de atuação. 2. MINERAÇÃO DE DADOS (DATA MINING) A Mineração de Dados é um processo de análise e interpretação executado por um sistema especialista. E como analisar grandes volumes de dados e obter informações importantes em um curto espaço de tempo? Isso é possível através do processo de descoberta do conhecimento em banco de dados denominado KDD - Knowledge Discovery in Data Bases. Este processo, que exige pesquisa em um conjunto de dados a fim de obter-se frequências, combinações e modelos que sejam novidade, que tenham valor agregado, e que possam ser aplicados na prática e totalmente inteligíveis para o ser humano. (FAYYAD,1996). O processo de descoberta do conhecimento não se resume apenas a analisar grandes bases de dados e obter padrões, é necessário trabalhar com estas informações e transformá-las em retorno empresarial (CARVALHO, 2005). O processo da utilização de técnicas de mineração de dados (data mining) vem sendo bastante utilizado em diversas áreas como finanças, economia, biologia, astronomia, análise de mercado, diagnósticos, entre outros, mas principalmente o seu crescimento aplicado à área de Ciência da Computação, ainda no processo do KDD pode se citar a combinação de técnicas de aprendizado de máquina, reconhecimento de padrões, estatísticas, banco de dados e visualização para extrair conhecimento (ou informação) de dados brutos, através da técnica de mineração de dados. Carvalho (2001) define mineração de dados como o uso de técnicas automáticas de exploração de grandes quantidades de dados de forma a descobrir novos padrões e relações que, devido ao volume de dados, não seriam facilmente descobertos a olho nu pelo ser humano. Para que os padrões sejam descobertos, é necessário que os dados estejam simplificados a fim de que se possa descartar aquilo que é específico e, privilegiar aquilo que é genérico (NAVEGA,2002). Dentro do processo total de KDD, se gasta 60% do tempo na preparação dos dados e apenas 10% no processo de mineração (CABENA, 1998). Pelo fato do KDD ser um processo, sugere que existam vários passos. Estes passos são considerados interativos porque a maioria requer avaliação e tomada de decisão por parte do usuário e, iterativos porque é possível, de qualquer

3 etapa, voltar para alguma etapa anterior até que se chegue ao resultado esperado (GHEDINI, 2009). De acordo com Goldschmidt (2005), a etapa de pré-processamento tem como objetivo principal preparar os dados em questão para a utilização destes pelos algoritmos de Data Mining. Dados bem organizados e formatados colaboram para resultados eficientes durante a busca por conhecimento. Já na etapa de mineração de dados é onde se inicia a busca por informações relevantes na base de dados, através da aplicação correta dos algoritmos ainda segundo Goldschmidt (2005), o desafio no processo de KDD está na interpretação correta dos fatos detectados durante o processo, e também na decisão sobre que atitudes tomar perante esses fatos. Com isso, se conclui que, apesar do KDD ser um processo altamente relevante, é necessário um acompanhamento humano na busca por conhecimento. Seleção de um conjunto de dados Nesse processo identifica-se a origem dos dados e se extrai aqueles que são imprescindíveis para uma análise inicial necessária para aplicar o processo de mineração, para efetuar o uso de algoritmos específicos que mais se adequam aos dados. Pre-processamento e limpeza dos dados Tem como finalidade garantir que os dados selecionados tenham qualidade para que se consiga trabalhar com registros afins, para que se obtenha o conhecimento. Os referidos dados, nesta fase possuem informações incompletas, redundantes e ruidosas, as quais devem ser analisadas e excluídas. Transformação Possibilita a transformação ou consolidação dos dados no formato apropriado para o processo de mineração. Mineração Nesta fase, aplicam-se os algoritmos na base de dados, para obter-se o conhecimento desejado, podendo ser testados por todos os algoritmos para encontrar o resultado mais satisfatório. Encontrando assim, padrões específicos analisados previamente no inicio da seleção de requisitos, e durante o processamento. Execução Os algoritmos nessa fase requer o acompanhamento de um analista de dados e até algumas vezes, de um administrador de bancos de dados caso seja necessário

4 alguma alteração no modelo. O que for definido nesta etapa irá variar de acordo com o tipo de aplicação que está sendo desenvolvida. Interpretação e Avaliação O processo de mineração dos dados não faria sentido se os padrões descobertos não fossem avaliados a fim de se descobrir se as causas dos problemas foram solucionadas ou se o objetivo da empresa foi alcançado (CARVALHO, 2005). Esta etapa deve ser executada pelo analista de dados e pelo analista de negócios, eventualmente poderá ser contatado também o executivo responsável para fornecer esclarecimentos sobre as descobertas encontradas, relacionando aos objetivos do negócio a fim de validá-las ( CABENA,1998). Resultados do conhecimento descoberto Esta etapa fecha o ciclo da descoberta do conhecimento e é responsável por colocar em ação todo o conhecimento adquirido durante as etapas anteriores. O papel do analista de negócios e do executivo responsável é tornar convincente todas as descobertas e encontrar a melhor maneira de explorá-las. Caso se chegue à conclusão de que as descobertas não foram suficientes para resolver o problema apontado no início do processo, pode-se aplicar todo o ciclo novamente ( CABENA,1998). Segundo Loria (2008), o Data Mining oferece diversos recursos para a sociedadecomo se descreve a seguir: - Classificação: é a técnica de Data Mining que oferece a filtragem de dados de um banco, com o objetivo de transformar essa filtragem em informação útil para quem está utilizando a técnica. Exemplo: visualizar quem são os alunos que deixaram de pagar a mensalidade da faculdade e em que período esse atraso ocorre com mais freqüência na instituição; - Regressão: é um recurso que permite a realização de cálculos entre variáveis dependentes e independentes. O objetivo principal da regressão é buscar resultados visando novos resultados futuros. Exemplo: calcular a previsão de lucro líquido de uma empresa para o mês seguinte, se baseando em uma média dos valores dos meses anteriores; - Segmentação: trata-se de um mecanismo com o objetivo de agrupar dados de mesmas características. A segmentação é uma ferramenta utilizada para a simplificação e abstração de dados. Não efetua previsões. Exemplo: selecionar os clientes bons pagadores. Ou: selecionar os clientes maus pagadores.

5 - Associação: é uma técnica com o objetivo de encontrar regras de acordo com os interesses de um cliente. Exemplo: em um site de uma loja virtual de livros, a técnica de associação verifica o livro pesquisado pelo cliente em um primeiro momento. Quando este cliente retornar, o sistema irá oferecer outros livros que abordam temas semelhantes ao pesquisado por ele anteriormente; Neste trabalho utilizou-se o ambiente explorer do WEKA, para a realização dos testes, o weka utiliza arquivos de dados de treinamento, com formato (arff), é possível trabalhar em uma base de dados e fazer alguns dos processos de mineração sem precisar escrever uma linha de código, mas para isso é preciso algumas regras, como os dados estejam pré - processados e gravados dentro de um arquivo.arff. (Attribute Relation File Format). Onde devem ser mostradas quais variáveis são permitidas para uma relação específica, bem como o tipo de dado de cada variável, isto é, nominal ou valor numérico. Deverá conter uma lista de todos os atributos definindo-se o tipo do atributo ou os valores que ele pode representar. Os valores devem estar representados entre chaves {} e separados por vírgulas, a ausência de um item em um registro deve ser atribuída pelo símbolo?. Para isso podemos usar programas de planilhas eletrônicas e banco de dados os quais permitem exportar os dados em um arquivo onde as vírgulas são os separadores. Uma vez feito isso, é necessário apenas carregar o arquivo em um editor de texto e adicionar o nome do conjunto de dados nome_do_conjuto_de_dados, para cada atributo e após colocar uma linha e logo em seguida os dados em si, salvando o arquivo como texto puro com extensão ARFF. Após a formatação do arquivo, ele fica pronto para ser analisado pela usado para rotular o conjunto de dados a ser usado para rotular os atributos, define as características, ou seja o tipo de cada variável : nominal, numérico, usado para identificar os dados da base. As informações devem ser colocadas separadas por vírgulas, e cada linha representa um único registro. AMBIENTE EXPLORER CLASSIFICAÇÃO Após a abertura da base de dados, é utilizado o ambiente de classificação, onde acontece a escolha do classificador, ou seja, o algoritmo a ser executado e a técnica de validação. Feito as escolhas dos requisitos, inicia-se o processo de execução, onde ao final do processo o WEKA disponibiliza os resultados em

6 porcentagem de erro e acerto, neste, caso representa os erros e acertos para classificação de certo tipo de respiração. O Weka é formado por um conjunto de pacotes: Select atributtes, classify, cluster, associate e estimators. Cada pacote é formado por vários algoritmos que possuem funções específicas de acordo com as tarefas de Data Mining. A classificação é uma das técnicas mais utilizadas de mineração de dados, simplesmente porque é uma das mais realizadas tarefas humanas no auxílio à compreensão do ambiente em que se vive, sendo, também, a tarefa mais estudada em KDD. As tarefas de classificação têm inúmeras aplicações, incluindo detecção de fraudes, alvos comerciais, fabricação e diagnóstico médico (HAN E KAMBER, 2006). O princípio da tarefa de classificação é descobrir algum tipo de relacionamento entre os atributos preditivos e o atributo objetivo, de modo a descobrir um conhecimento que possa ser utilizado para prever a classe de uma tupla desconhecida, ou seja, que ainda não possui uma classe definida. ALGORITMOS PARA CLASSIFICAÇÃO DE DADOS Existe uma grande variedade de algoritmos para classificação de dados tais como bayes, functions, rules, trees, entre outros. Neste trabalho, serão testados todos os que são instalados junto como Weka original, com a finalidade de obter o melhor resultado possível e também, o algoritmo de pior classificação para essa base de dados. A citação dos algoritmos deve-se ao fato dos mesmos serem populares e muito utilizados no meio acadêmico para mineração de dados e por fazer parte do pacote de ferramentas Weka. ORIGEM DOS DADOS Segundo MATTAR,( 2002), foram avaliados 73 casos de crianças de ambos os sexos, com idade entre 3 e 6 anos, para verificar a influência da respiração bucal crônica sobre o crescimento e desenvolvimento dentofacial em idades mais precoses. Após o diagnóstico otorrinolaringológico quanto à respiração, 44 crianças respiradoras bucais e 29 respiradoras nasais foram comparadas no que se refere ao padrão morfológico da face (analisado por meio de radiografia cefalométrica lateral) e características oclusais (analisadas nos modelos de estudo). Através dos dados coletados, e dos resultados obtidos usou-se essa base de dados pronta para aplicação de mineração de dados e algoritmos de classificação. Cada um dos 73 registros dessa base (total de casos coletados) com 5 atributos como o ipm (inclinação do plano mandibular ), arm (a altura do ramo da mandíbula), tmdf (o

7 tipo morfológico dolicofacial), dim (distâncias intermolares),e bucal são os registros de entrada, sendo 4 valores numéricos e um 1 nominal para apresentar a saída esperada. Importado a base de dados para um arquivo com extensão.cvs, onde os dados foram separados por virgula no caso (usando a ferramenta Microsoft Excel), após enviado para um editor de texto simples, substituindo o ponto e virgula que separava os dados pela virgula para depois importar para O weka e salvar com a extensão.arff. E assim poder trabalhar com os algoritmos de classificação em cima dos dados. DISCUSSÃO: O objetivo deste trabalho foi avaliar uma base de dados contendo informações sobre padrões esqueléticos e características oclusais de crianças respiradoras bucais e nasais, a fim de determinar a possibilidade de criação de um padrão que possa diagnosticar respiradores bucais ou respiradores nasais, a partir dos padrões definidos pelo software. Os padrões esqueléticos utilizados neste trabalho foram basicamente a inclinação do plano mandibular (IPM), a altura do ramo da mandíbula (ARM), o tipo morfológico dolicofacial (TMDF), e como características oclusais, foram utilizadas as distâncias intermolares (DIM). RESULTADOS: Com testes realizados em todos os algoritmos de classificação incorporados ao software Weka, obteve-se melhor resultado no Algoritmo J48, como descrito a seguir: O software classificou a base de dados carregada com 73 pacientes sendo que 44 clinicamente diagnosticados como respiradores bucais e 29 clinicamente diagnosticados como respiradores nasais como controle. O software conseguiu classificar corretamente 55 casos, sendo 43 como respiradores bucais e 12 como respiradores nasais, como podemos observar na matriz de confusão da Figura 1, o que dentro dos respiradores bucais, é um resultado excelente, pois condiciona que 97,72 % dos casos classificados estão dentro de um padrão de evolução, e em apenas 2,28 %, não pode ser definido um padrão de respirador bucal. No caso dos respiradores nasais, podemos verificar que dos 29 clinicamente diagnosticados como respiradores nasais, apenas 41,38 % pode ser incluído dentro de um padrão, deixando 58,62 % dos respiradores nasais sem estarem incluídos no

8 padrão detectado, e 18 casos não se enquadram nem como respiradores bucais, nem como respiradores nasais. Os piores resultados foram obtidos com o Algoritmo IBK, como segue: O software também foi aplicado à base de dados carregada com 73 pacientes sendo que 44 clinicamente diagnosticados como respiradores bucais e 29 clinicamente diagnosticados como respiradores nasais como controle. O software conseguiu classificar corretamente 35 casos, sendo 24 como respiradores bucais e 11 como respiradores nasais, como podemos observar na matriz de confusão da Figura 2, o resultado não pode ser considerado bom, pois indica que 54,55 % dos casos classificados estão dentro de um padrão de evolução, e em 45,45 %, não pode ser definido um padrão de respirador bucal. No caso dos respiradores nasais, podemos verificar que dos 29 clinicamente diagnosticados como respiradores nasais, apenas 37,93 % pode ser incluído dentro de um padrão, deixando 62,07 % dos respiradores nasais sem estarem incluídos no padrão detectado, e 38 casos não se enquadram nem como respiradores bucais, nem como respiradores nasais. CONCLUSÕES: Os algoritmos de classificação são muito distintos entre si, e se adequam a determinados tipos de dados. Por este motivo, uma mesma fonte de informação, aplicado a diferentes algoritmos, se traduz em diferentes resultados. Cabe ao pesquisador escolher que tipo de algoritmo deve ser usado em determinada base para obtenção das melhores classificações. O Algoritmo J48 mostrou-se adequado para ser utilizado nesta pesquisa, obtendo os melhores resultados dentre os disponibilizados pelo software Weka. REFERÊNCIAS BIBLIOGRÁFICAS CABENA, P. et al. Discovering Data Mining from concept to implementation. New Jersey, USA: Prentice Hall Ptr, CARVALHO, L. A.V. Datamining: A Mineiração de Dados no Marketing, Medicina, Economia, Engenharia e Administração. São Paulo: Editora Érica Ltda, CARVALHO, L. A. V. Datamining : A Mineração de Dados no Marketing, Medicina, Economia, Engenharia e Administração. Rio de Janeiro: Ciência Moderna, FAYYAD, U. Piatetsky-Shapiro, G. Smyth, P. From Data Mining to Knowledge Discovery in Databases Disponível em:

9 < Acesso em 02 out GOLDSCHMIDT, Ronaldo; PASSOS, Emanuel. Data Mining: um guia prático. Rio de Janeiro: Elsiever, HAN, J. KAMBER, M. Data Mining - Concepts and Techniques. 2 ed. Nova York: Morgan Kaufmann, LIU, H. MOTODA, H. Computational Methods of Feature Selection. Chapman & Hall/CRC LÓPEZ, J. M. M. HERRERO, J. G. Técnicas de analisis de datos: aplicaciones prácticas utilizando Microsoft Excel y Weka. Apostila técnicas de análises de dados. S.l, p. Disponível em: < df>. Acesso em 21 Nov LORIA, J. Data Mining no SQL Server Disponível em: < Acesso em: 09 dez MARTINS, A. C. COSTA, P. D. Estudo Comparativo de Três Algoritmos de Machine Learning na Classificação de Dados Electrocardiográficos. Porto Disponível em: < Acesso em: 16 jun MATTAR, S. E. M. Padrão esquelético e características oclusais de crianças respiradoras bucais e nasais: aplicação em Odontopediatria [dissertação]. [Ribeirão Preto (SP)]: Faculdade de Odontologia de Ribeirão Preto, Universidade de São Paulo; p.: il.; 30 cm. NAVEGA, S. Princípios Essenciais do Data Mining. São Paulo, SP: Anais do Infoimagem, Disponível em: < Acesso em: 30 nov OLIVEIRA, F. L. de Utilização de algoritmos simbólicos para a identificação do número de caroços do fruto Pequi, In: IV Encontro de estudantes de informática do estado de Tocantins, 2002, Palmas. Encontro de Estudantes de Informática do Tocantins Ecoinfo. Palmas, p

10 OLIVEIRA, A. M. de; SMIDERLE, A. Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka. Revista de Informática Mater Dei, Pato Branco, Paraná : v.2, n.2, p.17-22, REZENDE, D. A. ENGENHARIA DE SOFTWARE E SISTEMAS DE INFORMAÇÃO. Brasport - Rio de Janeiro p. WITTEN, I. H. FRANCK, E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Hamilton, New Zealand: Morgan Kaufmann Publishers, p WITTEN, I. H. FRANK E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. San Francisco, WEKA. Disponível em: Acesso em: 20 Dez