UM MODELO ORIENTADO A OBJETOS PARA MINERAÇÃO DE DADOS NA AGRICULTURA 1 RESUMO AN OBJECT-ORIENTED MODEL FOR DATA MINING IN AGRICULTURE ABSTRACT

Transcrição

1 UM MODELO ORIENTADO A OBJETOS PARA MINERAÇÃO DE DADOS NA AGRICULTURA 1 RESUMO ALAINE MARGARETE GUIMARÃES 2 PETRAQ PAPAJORGJI 3 LEILA MARIA VRIESMANN 4 Este artigo descreve um sistema orientado a objetos para mineração de dados na agricultura. O sistema é designado para descobrir relacionamentos ocultos entre dados contidos em uma grande base de dados agrícola. O sistema inclui dois componentes pré-existentes: o primeiro componente gera números aleatórios e o segundo representa o algoritmo de mineração de dados. Uma ponte de comunicação é construída para ligar esses componentes ao restante do sistema. Um componente especial é projetado para pré-processar os dados antes da execução do modulo de mineração. Os resultados obtidos na mineração são pós-processados para que sejam visualizados os relacionamentos mais significativos entre os atributos da base de dados. PALAVRAS-CHAVE: Mineração de dados, Modelagem, Base de dados agrícola AN OBJECT-ORIENTED MODEL FOR DATA MINING IN AGRICULTURE ABSTRACT This paper presents an object-oriented system for data mining in Agriculture. The system is designed to discover hidden relationships between data residing in a large agricultural database. The system includes two existing components: the first component produces random numbers and the second one represents a data mining engine. A communication bridge is constructed to link these components to the rest of the system. A special component is designed for preprocessing the data before the data mining algorithm could be applied. The results obtained from the data mining engine are postproccessed to visualize the most meaningful relationships between attributes of the database. KEYWORDS: Data Mining, Modeling, Agricultural database. 1 Apoio: CAPES. 2 Departamento de Informática Universidade Estadual de Ponta Grossa (UEPG) Uvaranas Ponta Grossa PR Brasil. Universidade Estadual Paulista (UNESP). Botucatu SP Brasil. alainemg@fca.unesp.br. 3 Information Technologies, Institute of Food and Agricultural Sciences, University of Florida, Building 162, PO Box , Gainesville, FL 32611, USA. petraq@mail.ifas.ufl.edu 4 Departamento de Informática Universidade Federal do Paraná Curitiba PR Brasil.

2 1. INTRODUÇÃO O setor agrícola apresenta intenso desenvolvimento de tecnologias para captura e armazenamento de dados agronômicos. Diversos segmentos, como a agrometeorologia, hidrologia, agricultura de precisão, rastreabilidade animal, entre outros, tem gerado um vasto e valoroso conjunto de dados. Surge assim, a necessidade de transformar esses dados em conhecimento e informação útil para auxílio em tomadas de decisão estratégicas. A descoberta de conhecimento em bases de dados (KDD - Knowledge Discovery of Database) é uma tecnologia que possui ferramentas poderosas para a descoberta eficiente de informações valorosas em uma grande coleção de dados, visando justamente o auxílio no suporte à decisão [Canuto and Gottgtroy 1997]. O processo de descoberta de conhecimento é composto por várias fases, sendo uma delas a Mineração de Dados (Data Mining). A Mineração de Dados, segundo Fayyad (1996), consiste de algoritmos de mineração que, sob algumas limitações aceitáveis de eficiência computacional, produz uma enumeração de padrões sobre um conjunto de dados. Como exemplo do uso da mineração de dados na agricultura, a Figura1 apresenta a fase na qual o Data Mining pode ser aplicado na caso da agricultura de precisão. Figura 1. Uso de Data Mining na agricultura de precisão. Embora a Mineração de Dados seja a fase mais conhecida e a que recebe maior atenção dentro do processo de KDD vale frisar que todas as fases são importantes, uma vez que

3 o resultado da mineração de dados depende de suas fases predecessoras. Da mesma forma, a compreensão, por parte do usuário, do conhecimento descoberto depende das técnicas de avaliação e visualização aplicadas, sendo que essas correspondem as fases subsequentes à mineração em si. Esse trabalho tem como objetivo usar as técnicas de Orientação a Objetos (OO) para modelar um ambiente de descoberta de conhecimento para o tratamento de dados agronômicos, considerando no modelo as fases de pré e de pós-processamento, além da mineração de dados propriamente dita. 2. MATERIAIS E MÉTODOS A modelagem de um sistema para mineração de dados, considerando todas as fases do processo de KDD, requer uma análise do tipo de dado a ser manipulado, bem como dos objetivos da mineração. No setor agrícola, grande parte dos dados obtidos são numéricos contínuos e apresentam vários ruídos em função de dificuldades na obtenção dos dados, o que ocorre inclusive em função de mudanças climáticas, sobre as quais não se pode ter controle. Ainda no setor agrícola percebe-se que uma das grandes necessidades consiste em classificar uma variável em função de suas correlações com outros elementos contidos na base de dados, objetivando a predição de comportamento de variáveis. Por exemplo, pode-se classificar o índice de ocorrência de determinada doença em uma planta em função dos valores das variáveis agroclimáticas. A Figura 2 apresenta a sequência de passos de descoberta de conhecimentos utilizando-se bases de dados referentes a desempenho de plantas associadas a dados agroclimáticos. A maioria das ferramentas disponíveis para classificação em Mineração de Dados não trabalha diretamente com dados contínuos, sendo necessária uma fase de discretização dos atributos (transformação dos valores contínuos em discretos). Guimarães et al. (2003) desenvolveu um algoritmo de classificação para dados contínuos utilizando Algoritmos Genéticos sem a necessidade do uso da discretização dos atributos. O ambiente aqui proposto destina-se, portanto, a realizar a tarefa de classificação de dados contínuos, fazendo uso do Algoritmo de Mineração já desenvolvido, levando em consideração as fases de pré e de pós-processamento dos dados.

4 Figura 2. Fases do processo de descoberta de conhecimento MODELAGEM DO SISTEMA A modelagem de um software objetiva facilitar o processo de implementação, definindo sua abrangência. A análise e o projeto orientados a objeto, segundo Martin e Odell (1995), modelam o mundo em termos de objetos que têm propriedades e comportamento, e eventos que disparam operações que mudam o estado dos objetos. Um grande benefício da modelagem OO que mais influenciou na sua escolha nessa modelagem foi a migração, considerando-se alguns módulos a compor o sistema já estavam prontos, tendo sido desenvolvidos de forma estrturada. A OO permite um tratamento diferenciado para esses módulos. Aplicativos existentes ou não-oo freqüentemente podem ser preservados ao encaixá-los em um envoltório OO, de forma que a comunicação entre eles seja por meio de mensagens OO padrões. Além dos benefícios citados para a modelagem OO existem outros, como a estabilidade, a confiabilidade, o ciclo dinâmico de vida, etc, os quais também são importantes, mas que não serão citados detalhadamente.

5 3. RESULTADOS E DISCUSSÃO O comportamento do sistema proposto esta representado no diagrama de casos de uso. Os componentes deste diagrama são os atores e os casos de uso. O ator representa qualquer entidade que interage com o sistema, podendo ser uma pessoa, outro sistema ou uma máquina. O caso de uso modela as funções a serem executadas pelo sistema e a interação com suas fronteiras. É uma seqüência de ações que o sistema executa, produzindo um resultado de valor para o ator. O sistema aqui proposto possui três atores: o usuário, o susbsistema Gerador de números aleatórios e o subsistema Algoritmo de Mineração. Esses dois subsistemas são considerados como atores porque interagirão com o sistema, porem já foram previamente implementados de forma estruturada. A Figura 3 apresenta o Diagrama de Casos de Uso definido neste trabalho. Figura 3. Diagrama de Casos de Uso para o sistema proposto.

6 Os casos de uso definidos para esse sistema são os seguintes: a) Fornecer semente para gerador de números pseudo-aleatórios Refere-se ao ato estimulado pelo Usuário no momento da inicialização do software. A semente corresponde ao nome estatístico dado ao valor que deve ser fornecido à expressão que gera números aleatórios para iniciar o processo iterativo de geração de números. Utiliza-se geração de números pseudo-aleatórios na Mineração de Dados para que o sistema possa ter diferentes comportamentos na detecção de padrões sobre os dados. b) Selecionar arquivo de dados contínuos Nessa etapa o Usuário deverá escolher o(s) arquivos(s) com os dados a serem minerados, podendo também visualizá-los. c) Preprocessamento dos dados Nessa etapa o Usuário repassará algumas informações em relação aos arquivos a serem minerados para que se possa integrá-los em uma só base, a qual efetivamente será minerada. Nessa etapa também são eliminados os ruídos (dados distorcidos) da base de dados, tornando-a consistente para ser manipulada. c) Configurar parâmetros Refere-se ao ato estimulado pelo Usuário onde efetivamente ocorrerá a Mineração de Dados. É o caso de uso responsável pela divisão da base de dados em uma base para treinamento e uma base para testes e também pela obtenção de parâmetros específicos, os quais serão repassados ao Algoritmo de Mineração. d) Executar a mineração de dados Refere-se ao ato estimulado pelo Usuário após a configuração de parâmetros, onde serão efetivamente identificados os padrões nos dados contidos na base de treinamento. e) Testar padrões na base de dados de teste Após o término da Mineração de Dados na base de treinamento, faz-se necessária a comprovação da qualidade das regras, a qual deve ser realizada na base de dados de teste. O Algoritmo de Mineração possui rotinas específicas para avaliação, as quais devem ser chamadas por esse caso de uso. f) Visualizar as regras geradas É o processo que possibilita ao Usuário a visualização do produto originado pela Mineração de Dados. O Usuário deverá fornecer um valor de confiança mínimo aceitável para visualização e

7 o Algoritmo de Mineração selecionará os padrões que satisfazem a confiabilidade solicitada. Esses padrões são apresentados em forma de regras de produção, ou seja, em regras no formato SE-ENTAO. g) Avaliar os resultados Após a execução de um processo de Mineração de Dados, muitos usuários se preocupam com a melhora dos resultados (regras) obtidos. Isso pode ser observado em Holmes et al. (2002), que relata o estado da arte de Sistemas Classificadores de Aprendizado, os quais objetivam aperfeiçoar regras anteriormente obtidas. Esse caso de uso está dentro dessa visão, buscando contribuir para identificar as melhores regras. h) Disponibilizar módulo de resultados finais Esse processo diz respeito ao acesso e visualização dos padrões selecionados pelo módulo de avaliação, por serem considerados os melhores resultados. Uma vez visualizados os resultados, o usuário poderá reiniciar a execução do sistema e ajustar os parâmetros considerando o seu conhecimento sobre o domínio da aplicação e a sua análise pessoal. 4. CONCLUSÕES A modelagem OO permitiu o tratamento dos módulos implementados anteriormente de forma estruturada sem a necessidade de modificações. A estratégia utilizada no Diagrama de Casos de Uso, representando os subsistemas já desenvolvidos como sendo atores, tornou a modelagem simples e compreensiva. A principal vantagem dessa medida consiste em tornar claro que o desenvolvimento de um ambiente integrando as fases de pré e de pós-processamento à fase de mineração de dados não irá requerer alteração no código fonte dos módulos já desenvolvidos. Baseando-se na modelagem proposta, será possível a construção de um sistema para a Mineração de Dados Agrícolas, realizando a tarefa de classificação de dados contínuos. O fato do sistema comportar um módulo de pré-processamento e integração dos arquivos de entrada é muito atrativo, uma vez que normalmente os dados de interesse estão distribuídos em diferentes arquivos. A incorporação do módulo de avaliação dos resultados é de fundamental importância sob o ponto de vista agronômico, uma vez que muitos dos padrões encontrados em bases de dados agrícolas podem ser considerados óbvios por serem muito bem conhecidos pelos

8 profissionais da área. Considerando-se que o sistema realizará um pós-processamento das regras ele poderá então, por meio de adoção de uma estratégia de interessabilidade, selecionar e mostrar ao usuário somente as regras que efetivamente apresentam algum novo conhecimento. 5. REFERÊNCIAS BIBLIOGRÁFICAS Canuto, A. M. P.and Gottgtroy, M. P. B. (1997). Data Mining: Geração de dados com qualidade para sistemas agropecuários, Agrosoft, acesso em: 10 mar Fayyad, U.M.; Piatetsky-Shapiro, G.; Smyth, P. From data mining to knowledge discovery: an overview. In: Advances in Knowledge Discovery & Data Mining, U.M. Fayyad, G. Piatetsky-Shapiro, P. Smyth and R. Uthurusamy (Eds.) Cambridge, MA: AAAI/MIT, 1996, p Guimarães, A. M.; Cataneo, A.; Molim, J. P.; Vriesmann, L. M. and Canteri, M. G. (2003) O Impacto da Computação Evolucionária na Tarefa de Classificação de Dados Agronômicos, In: IV Congresso Brasileiro da Sociedade Brasileira de Informática Aplicada à Agropecuária e à Agroindústria, Porto Seguro, BA, Brasil. Holmes, J.H.; Lanzi, P.L.; Stolzmann, W.; Wilson, S.W. (2002) Learning classifier systems: New models, successful applications. Elsevier. Information Processing Letters, n.82, p Martin, J. and Odell, J. J. Análise e projeto orientados a objetos. Tradução José Carlos Barbosa dos Santos; revisão técnica Ronald Stevis Cassiolato. São Paulo: Makron Books, 1995, 639p.