Aprendizagem de Máquina

Transcrição

1 Plano de Aula Aprendizagem de Máquina Aula 1 Alessandro L. Koerich Introdução Mestrado em Informática Aplicada Pontifícia Universidade Católica do Paraná (PUCPR) Introdução à Aprendizagem de Máquina Por que a Aprendizagem Computacional é Difícil? Problemas de Aprendizagem Projetando um Sistema de Aprendizagem de Máquina Exemplos Tipos de Aprendizagem Tarefa Aplicações Mestrado em Informática Aplicada Aprendizagem de Máquina 2 Introdução Desde que os computadores foram inventados temos nos perguntado se eles seriam capazes de aprender Se pudéssemos entender como programá-los para aprender para se aperfeiçoar automaticamente com experiência o impacto seria surpreendente. Mestrado em Informática Aplicada Aprendizagem de Máquina 3 Mestrado em Informática Aplicada Aprendizagem de Máquina 4

2 Introdução O que é Aprendizagem de Máquina? Infelizmente ainda não sabemos como fazer computadores aprender de uma maneira similar a como as pessoas aprendem. Entretanto, foram inventados algoritmos que são eficientes em certos tipos de tarefas de aprendizado e um entendimento teórico de aprendizagem está começando a surgir. Mestrado em Informática Aplicada Aprendizagem de Máquina 5 Mestrado em Informática Aplicada Aprendizagem de Máquina 6 O que é Aprendizagem de Máquina? Por que a Aprendizagem é Difícil? Aprendizagem é uma propriedade humana essencial Aprender significa mudar para fazer melhor (de acordo com um dado critério) quando uma situação similar acontecer Dado uma quantidade finita de dados para o treinamento, temos que derivar uma relação para um domínio infinito Na realidade, existe um número infinito de tais relações Aprendizagem, não é memorizar. Qualquer computador pode memorizar, a dificuldade é em generalizar um comportamento para uma nova situação. Como devemos traçar a relação? Mestrado em Informática Aplicada Aprendizagem de Máquina 7 Mestrado em Informática Aplicada Aprendizagem de Máquina 8

3 Por que a Aprendizagem é Difícil? Por que a Aprendizagem é Difícil? Dado uma quantidade finita de dados para o treinamento, temos que derivar uma relação para um domínio infinito Na realidade, existe um número infinito de tais relações Dado uma quantidade finita de dados para o treinamento, temos que derivar uma relação para um domínio infinito Na realidade, existe um número infinito de tais relações Qual das relações seria a mais apropriada?... os pontos de teste ocultos... Mestrado em Informática Aplicada Aprendizagem de Máquina 9 Mestrado em Informática Aplicada Aprendizagem de Máquina 10 Introdução Problemas Bem Definidos Um programa de computador aprende a partir de uma experiência E com respeito a alguma classe de tarefas T e medida de performance P, SE sua performance nas tarefas em T, medida por P, MELHORA com a experiência E. Em geral, para termos problemas de aprendizagem bem definidos, devemos identificar três características: A classe das tarefas; A medida de performance a ser melhorada; A fonte de experiência (conhecimento). Mestrado em Informática Aplicada Aprendizagem de Máquina 11 Mestrado em Informática Aplicada Aprendizagem de Máquina 12

4 Problemas Bem Definidos Problemas Bem Definidos Exemplo: Aprender a jogar damas Exemplo: Aprender a jogar damas Tarefa T: Jogar damas Medida de performance P: Percentagem de jogos ganhos contra oponentes Experiência de treinamento E jogando contra si mesmo. Mestrado em Informática Aplicada Aprendizagem de Máquina 13 Mestrado em Informática Aplicada Aprendizagem de Máquina 14 Problemas Bem Definidos Problemas Bem Definidos Exemplo: Aprender a reconhecer manuscritos Exemplo: Aprender a reconhecer manuscritos Tarefa T: Reconhecer/classificar palavras manuscritas presentes em imagens Medida de performance P: Percentagem de palavras classificadas corretamente Experiência de treinamento E: Base de dados com palavras manuscritas e respectivas etiquetas (classes a que elas pertencem). Roubaix Cedex HALLUIN CEDEX Chiré em Montreuil Roubaix Cedex Mestrado em Informática Aplicada Aprendizagem de Máquina 15 Mestrado em Informática Aplicada Aprendizagem de Máquina 16

5 Problemas Bem Definidos Problemas Bem Definidos Exemplo: Aprender a reconhecer manuscritos Exemplo: Aprendizagem de um robô motorista Tarefa T: Dirigir em uma via pública de 3 pistas usando sensores de visão Medida de performance P: Distância média percorrida antes de cometer um erro (julgado por observador humano) Experiência de treinamento E: Seqüência de imagens e comandos de direção gravados a partir da observação de um motorista humano. Mestrado em Informática Aplicada Aprendizagem de Máquina 17 Mestrado em Informática Aplicada Aprendizagem de Máquina 18 Projetando um Sistema de Aprendizagem Projetando um Sistema de Aprendizagem Projetar um programa para aprender a jogar damas. Medida de performance: percentagem de jogos ganhos Etapas básicas de projeto: Escolha da experiência de treinamento Escolha da função objetiva Escolha de uma representação para a função objetiva Escolha de um algoritmo para a função de aproximação Mestrado em Informática Aplicada Aprendizagem de Máquina 19 Mestrado em Informática Aplicada Aprendizagem de Máquina 20

6 Experiência de Treinamento Experiência de Treinamento Escolher o tipo de experiência de treinamento a partir da qual o sistema aprenderá Experiência direta ou indireta? O grau de controle sobre a seqüência de exemplos de treinamento; com ou sem instrutor? A experiência de treinamento representa a distribuição de exemplos sobre os quais a performance final (P ) do sistema deve ser medida. Atenção: A teoria de aprendizagem de máquina recai sobre a hipótese de que a distribuição dos exemplos de treinamento é idêntica a distribuição dos exemplos de teste. Apesar da necessidade de considerarmos esta hipótese para obter resultados teóricos, é importante ter em mente que esta suposição é quase sempre violada na prática. Mestrado em Informática Aplicada Aprendizagem de Máquina 21 Mestrado em Informática Aplicada Aprendizagem de Máquina 22 Experiência de Treinamento Função Objetiva O problema de aprendizagem de damas: Tarefa T : jogando damas Medida de performance P : percentagem de jogos ganhos Experiência de treinamento E : partidas jogadas contra si mesmo Para completarmos o projeto do sistema de aprendizagem, devemos agora escolher: 1. O tipo exato de conhecimento a ser aprendido 2. Uma representação para este conhecimento alvo 3. Um mecanismo de aprendizagem Que tipo de conhecimento será aprendido e como ele será utilizado em um programa? O programa necessita aprender apenas como escolher o melhor movimento dentre os movimentos possíveis. Este problema é representativo de um grande número de tarefas para as quais a melhor estratégia de busca não é conhecida. Muitos problemas de otimização são desta categoria. Mestrado em Informática Aplicada Aprendizagem de Máquina 23 Mestrado em Informática Aplicada Aprendizagem de Máquina 24

7 Função Objetiva Função Objetiva Aprender: Escolher o melhor movimento para qualquer estado do tabuleiro. Porém, é difícil de aprender a função ChooseMove a partir da experiência de treinamento disponível. Função: ChooseMove ChooseMove : B M Função alternativa: uma função V que atribui um valor numérico para qualquer estado do tabuleiro. A função aceita como entrada qualquer estado do conjunto de estados possíveis do tabuleiro B e produz como saída algum movimento do conjunto de movimento possíveis M. Como é possível reduzir o problema de melhorar a performance P da tarefa T, para o problema de aprender uma função objetiva tal como ChooseMove. V : B R indica que V mapeia qualquer estado legal do tabuleiro do conjunto B para algum valor real. Usamos esta função V para atribuir valores maiores para os melhores estados do tabuleiro. Mestrado em Informática Aplicada Aprendizagem de Máquina 25 Mestrado em Informática Aplicada Aprendizagem de Máquina 26 Função Objetiva Função Objetiva Uma das possíveis definições para a função V (b), onde b é um estado arbitrário do tabuleiro em B: Se b é um estado final que é vitorioso, então V (b) = 100 Se b é um estado final que é perdedor, então V (b) = 100 Se b é um estado final que é empate, então V (b) = 0 Se b não é um estado final no jogo, então, V (b) = V (b ) onde b é o melhor estado final que pode ser atingido começando em b e jogando otimamente até o final do jogo. Esta definição especifica um valor de V (b ) para cada estado do tabuleiro (b ), entretanto, esta definição não é operacional Precisamos de uma descrição operacional de V que possa ser usada pelo programa para avaliar estados e selecionar movimentos dentro de um tempo realístico. Tarefa de Aprendizagem: descobrir uma descrição operacional da função objetiva ideal V Algoritmos de aprendizagem Aproximação da função objetiva (V ) Aproximação da função Mestrado em Informática Aplicada Aprendizagem de Máquina 27 Mestrado em Informática Aplicada Aprendizagem de Máquina 28

8 Representação para Função Objetiva Representação para Função Objetiva Depois de especificar V, devemos escolher a representação que o programa de aprendizagem usará para descrever a função V que ele aprenderá. Temos muitas opções... Coleção de regras? Redes neurais? Funções polinomiais? etc... Em geral temos um compromisso crucial: representação mais expressiva mais dados para treinamento Escolha: a função V será calculada como uma combinação linear das seguintes características do tabuleiro: bp (b): número de peças pretas no tabuleiro b rp (b): número de peças vermelhas sobre b bk (b): número de reis pretos sobre b rk (b): número de reis vermelhos sobre b bt (b): número de peças vermelhas ameaçadas pelas pretas (i.e., que podem ser tiradas na vez do preto) rt (b): número de peças pretas ameaçadas pelas vermelhas. Mestrado em Informática Aplicada Aprendizagem de Máquina 29 Mestrado em Informática Aplicada Aprendizagem de Máquina 30 Representação para Função Objetiva Projeto Parcial Então, a aprendizagem irá representar V (b ) como uma função linear da forma: V (b) = w 0 + w 1 bp (b ) + w 2 rp (b ) + w 3 bk (b ) + w 4 rk (b ) + w 5 bt (b ) + w 6 rt (b ) onde w 0 a w 6 são coeficientes numéricos, ou pesos, a serem escolhidos pelo algoritmo de aprendizagem. Os valores aprendidos para os pesos w 1 a w 6 determinarão a importância relativa das várias características do tabuleiro. Tarefa T : jogar damas Medida de Performance P : percentagem de partidas ganhas Experiência de Treinamento E : partidas jogadas contra si mesmo Função Objetivo: V : B R Representação da Função Objetiva: V (b) = w 0 + w 1 bp (b ) + w 2 rp (b ) + w 3 bk (b ) + w 4 rk (b ) + w 5 bt (b ) + w 6 rt (b ) Mestrado em Informática Aplicada Aprendizagem de Máquina 31 Mestrado em Informática Aplicada Aprendizagem de Máquina 32

9 Projeto Parcial Algoritmo de Aproximação O itens anteriores correspondem a especificação da tarefa de aprendizagem; Os dois itens finais são escolhas do projeto para a implementação da aprendizagem. Em resumo, o conjunto de escolhas do projeto: Problema de aprender uma estratégia Problema de aprender os valores dos coeficientes da representação da função objetiva. Para aprender a função objetiva V necessitamos de um conjunto de exemplos de treinamento, cada um descrevendo um estado b específico do tabuleiro e o valor de treinamento V train (b ) para b. Cada exemplo de treinamento é um par ordenado na forma <b, V train (b ) > Mestrado em Informática Aplicada Aprendizagem de Máquina 33 Mestrado em Informática Aplicada Aprendizagem de Máquina 34 Algoritmo de Aproximação Algoritmo de Aproximação A única informação disponível é se a partida foi eventualmente ganha ou perdida. Necessitamos de exemplos de treinamento que atribuam valores específicos para estados específicos do tabuleiro. É fácil atribuir valores para os estados do tabuleiro que correspondem ao final do jogo. É menos óbvio atribuir valores de treinamento para os numerosos estados intermediários que ocorrem antes do jogo acabar. Uma solução simples: atribuir o valor de treinamento de V train (b ) para qualquer estado intermediário b do tabuleiro ser V (Sucessor (b )), onde V é a aproximação atual de V e V (Sucessor (b )) indica o próximo estado seguindo b para o qual é novamente a vez do programa mover. Regra para estimar valores de treinamento: V train (b ) V (Sucessor (b )) Mestrado em Informática Aplicada Aprendizagem de Máquina 35 Mestrado em Informática Aplicada Aprendizagem de Máquina 36

10 Algoritmo de Aproximação Algoritmo de Aproximação Ainda falta especificar o algoritmo de aprendizagem que melhor ajusta os pesos w i ao conjunto de exemplos de treinamento {<b, V train (b )>}. O que significa melhor ajuste aos dados de treinamento? Uma solução: minimizar o erro quadrático E entre os valores de treinamento e os valores preditos pela hipótese V. E < b, V train ( Vtrain( b) V'( b) ) ( b) > amostrasde treinamento 2 Existem diversos algoritmos para encontrar pesos de uma função linear que minimiza E. Um deles é o LMS (mínimos quadrados). Regra de atualização dos pesos LMS Faça repetidamente Selecione aleatoriamente um exemplo de treinamento b 1.Calcule o erro(b) erro(b) = V train (b)-v (b) 2.Para cada característica do tabuleiro f i, atualize o peso w i como: w i w i + η f i erro(b) onde η é uma pequena constante (p.e. 0.1) que regula a taxa da atualização do peso (aprendizagem). Mestrado em Informática Aplicada Aprendizagem de Máquina 37 Mestrado em Informática Aplicada Aprendizagem de Máquina 38 Projeto Final Exemplo A seqüência de escolhas de projeto feitas... Um problema de classificação: predizer as notas para os estudantes matriculados neste curso (aprendizagem de máquina). Mestrado em Informática Aplicada Aprendizagem de Máquina 39 Mestrado em Informática Aplicada Aprendizagem de Máquina 40

11 Exemplo Exemplo Um problema de classificação: predizer as notas para os estudantes matriculados neste curso (aprendizagem de máquina). Passos principais: 1. Dados: Podemos contar com qual experiência anterior? Passos principais: 1. Dados 2. Hipóteses 3. Representação 4. Estimação 5. Avaliação 6. Escolha do Modelo Mestrado em Informática Aplicada Aprendizagem de Máquina 41 Mestrado em Informática Aplicada Aprendizagem de Máquina 42 Exemplo Exemplo Passos principais: Passos principais: 1. Dados: Podemos contar com qual experiência anterior? 2. Hipóteses: O que podemos assumir a respeito dos estudantes ou sobre o curso? 1. Dados: Podemos contar com qual experiência anterior? 2. Hipóteses: O que podemos assumir a respeito dos estudantes ou sobre o curso? 3. Representação: Como podemos resumir um estudante? Mestrado em Informática Aplicada Aprendizagem de Máquina 43 Mestrado em Informática Aplicada Aprendizagem de Máquina 44

12 Exemplo Exemplo Passos principais: Passos principais: 1. Dados: Podemos contar com qual experiência anterior? 2. Hipóteses: O que podemos assumir a respeito dos estudantes ou sobre o curso? 1. Dados: Podemos contar com qual experiência anterior? 2. Hipóteses: O que podemos assumir a respeito dos estudantes ou sobre o curso? 3. Representação: Como podemos resumir um estudante? 3. Representação: Como podemos resumir um estudante? 4. Estimação: Como construímos um mapa estudantes notas? 4. Estimação: Como construímos um mapa estudantes notas? 5. Avaliação: Quão bem estamos predizendo? Mestrado em Informática Aplicada Aprendizagem de Máquina 45 Mestrado em Informática Aplicada Aprendizagem de Máquina 46 Exemplo Exemplo Passos principais: 1. Dados: Podemos contar com qual experiência anterior? 2. Hipóteses: O que podemos assumir a respeito dos estudantes ou sobre o curso? 3. Representação: Como podemos resumir um estudante? 4. Estimação: Como construímos um mapa estudantes notas? 5. Avaliação: Quão bem estamos predizendo? 6. Escolha do Modelo: Podemos fazer ainda melhor? Os dados que temos disponíveis (a princípio): Nomes e notas dos estudantes no curso nos anos anteriores Boletim acadêmico dos estudantes atuais e anteriores Mestrado em Informática Aplicada Aprendizagem de Máquina 47 Mestrado em Informática Aplicada Aprendizagem de Máquina 48

13 Dados Hipóteses Dados para treinamento: Estudante AdeM Curso 1 João A B Maria B A Dados para teste: Curso 2 A A Existem várias hipóteses que podemos fazer para facilitar as predições: 1. O curso permaneceu aproximadamente o mesmo nos últimos anos Estudante José Ana AdeM?? Curso 1 C A Curso 2 A A 2. Cada estudante atua independentemente dos outros Alguma coisa mais que possamos utilizar? Mestrado em Informática Aplicada Aprendizagem de Máquina 49 Mestrado em Informática Aplicada Aprendizagem de Máquina 50 Representação Representação Boletins acadêmicos são particularmente diversos, então devemos limitar os resumos a alguns poucos cursos selecionados O dados disponíveis nesta representação Treinamento Teste Por exemplo, podemos resumir o estudante i o (João), por um vetor: x i = [A C B ] onde as notas correspondem a (digamos): 9.6, 5.8, 7.3 Estudante x 1 x 2... Nota em AdeM A B... Estudante x 1 x 2... Nota em AdeM??... Mestrado em Informática Aplicada Aprendizagem de Máquina 51 Mestrado em Informática Aplicada Aprendizagem de Máquina 52

14 Estimação Estimação Dado os dados de treinamento Estudante x 1 x 2... Nota em AdeM A B... Precisamos encontrar um mapeamento dos vetores de entrada x para as etiquetas (labels) y codificando as notas do curso AdeM Solução possível classificador vizinhos mais próximos (nearest neighbour): 1. Para cada estudante x, encontrar o estudante x i mais próximo no conjunto de treinamento; 2. Predizer y i, como sendo a nota do estudante mais próximo x i. Mestrado em Informática Aplicada Aprendizagem de Máquina 53 Mestrado em Informática Aplicada Aprendizagem de Máquina 54 Avaliação Escolha do Modelo Como podemos dizer se nossas predições são boas? Podemos esperar até o final do curso Podemos tentar avaliar a precisão baseando se nos dados que já temos (conjunto de treinamento) Solução possível: Dividir o conjunto de treinamento em novos conjuntos de treinamento e teste Avaliar o classificador construído baseando se somente no novo conjunto de treinamento sobre o novo conjunto de testes Podemos refinar: O algoritmo de estimação (por exemplo, utilizando um classificador diferente); A representação (por exemplo, basear o resumo em um conjunto diferente de cursos); As hipóteses (talvez os estudantes trabalhem em grupos, etc.) Temos que nos basear no método de avaliação da precisão de nossas predições para escolher entre os possíveis refinamentos. Mestrado em Informática Aplicada Aprendizagem de Máquina 55 Mestrado em Informática Aplicada Aprendizagem de Máquina 56

15 Tipos de Problemas de Aprendizagem Tipos de Problemas de Aprendizagem Uma classificação aproximada dos problemas de aprendizagem: Aprendizagem Supervisionada: temos um conjunto de entradas e saídas para fazer o treinamento. Ex: classificação, regressão. Aprendizagem com Reforço: somente obtemos um feedback na forma de quão bem estamos fazendo (e não o que deveríamos estar fazendo). Ex: planejamento Aprendizagem Não Supervisionada: estamos interessados em capturar uma organização inerente dos dados. Ex: clustering, estimação de densidade. Mestrado em Informática Aplicada Aprendizagem de Máquina 57 Mestrado em Informática Aplicada Aprendizagem de Máquina 58 Aprendizagem Supervisionada Aprendizagem Supervisionada Exemplo: reconhecimento de dígitos (dígitos binários 8X8) dígito binário classe alvo Desejamos aprender o mapeamento de dígitos para classes. Um mudança na representação que preserva as informações relevantes pode tornar impossível a aprendizagem. Mestrado em Informática Aplicada Aprendizagem de Máquina 59 Mestrado em Informática Aplicada Aprendizagem de Máquina 60

16 Aprendizagem Supervisionada Aprendizagem Não Supervisionada Os dígitos novamente... Dado um conjunto de exemplos de treinamento { (x 1,y 1 ),..., (x n,y n ) }, queremos aprender um mapeamento f : X Y tal que: y i f (x i ), i = 1,...,n Gostaríamos de entender o processo de criação dos exemplos (neste caso, dígitos) Mestrado em Informática Aplicada Aprendizagem de Máquina 61 Mestrado em Informática Aplicada Aprendizagem de Máquina 62 Aplicações Processamento Visual Verificação de faces Reconhecimento de manuscritos Processamento da Fala Fonemas, palavras, sentenças, reconhecimento de pessoas Outros Finanças: predição de ações, gerenciamento de risco e portofolio Telecomunicações: predição de tráfego Datamining: fazer uso de grandes conjuntos de dados mantidos por grandes corporações Jogos: xadrez, gamão, etc. Controle: robôs... e muitas outras é claro! Mestrado em Informática Aplicada Aprendizagem de Máquina 63