[pt] Esta dissertação investiga a utilização de Rough Sets no
processo de descoberta de conhecimento em Bancos de
Dados (KDD - Knowledge Discovery in Databases). O
objetivo do trabalho foi avaliar o desempenho da técnica
de Rough Sets na tarefa de Classificação de Dados. A
Classificação é a tarefa da fase de Mineração de Dados
que consiste na descoberta de regras de decisão, ou
regras de inferência, que melhor representem um grupo de
registros do banco de dados. O trabalho consistiu de
cinco etapas principais: estudo sobre o processo de KDD;
estudo sobre as técnicas de Rough Sets aplicadas à
mineração de dados; análise de ferramentas de mineração
de dados do mercado; evolução do projeto Bramining; e a
realização de alguns estudos de caso para avaliar o
Bramining.
O estudo sobre o caso KDD abrangeu todas as suas fases:
transformação, limpeza, seleção, mineração de dados e
pós-processamento. O resultado obtido serviu de base
para o aprimoramento do projeto Bramining.
O estudo sobre as técnicas de Rough Sets envolveu a
pesquisa de seus conceitos e sua aplicabilidade no
contexto de KDD. A teoria de Rough Sets foi apresentada
por Zdzislaw Pawlak no início dos anos 80 como uma
abordagem matemática para a análise de dados vagos e
imprecisos. Este estudo permitiu sua aplicação na
ferramenta de mineração de dados desenvolvida.
A análise de ferramentas de mineração de dados do
mercado abrangeu o estudo e testes de aplicativos
baseados em diferentes técnicas, enriquecimento a base
de comparação utilizada na avaliação da pesquisa.
A evolução do projeto Bramining consistiu no
aprimoramento do ambiente KDD desenvolvido em estudos
anteriores, passando a incluir técnica de Rough Sets em
seu escopo.
Os estudos de caso foram conduzidos paralelamente com o
uso de Bramining e de outras ferramentas existentes,
para efeito de comparação.
Os índices apresentados pelo Bramining nos estudos de
caso foram considerados, de forma geral, equivalentes
aos do software comercial, tendo ambos obtidos regras de
boa qualidade na maioria dos casos. O Bramining,
entretanto, mostrou-se mais completo para o processo de
KDD, graças às diversas opções nele disponíveis para
preparação dos dados antes da fase de mineração.
Os resultados obtidos comprovaram, através da aplicação
desenvolvida, a adequação dos conceitos de Rough Sets à
tarefa de classificação de dados. Alguns pontos frágeis
da técnica foram identificados, como a necessidade de um
mecanismo de apoio para a redução de atributos e a
dificuldade em trabalhar com atributos de domínio
contínuo. Porém, ao se inserir a técnica em um ambiente
mais completo de KDD, como o Bramining, estas
deficiências foram sanadas. As opções de preparação da
base que o Bramining disponibiliza ao usuário para
executar, em particular, a redução e a codificação de
atributos permitem deixar os dados em estado adequado à
aplicação de Rough Sets.
A mineração de dados é uma questão bastante relevante
nos dias atuais, e muitos métodos têm sido propostos
para as diversas tarefas que dizem respeito a esta
questão. A teoria de Rough Sets não mostrou
significativas vantagens ou desvantagens em relação a
outras técnicas já consagradas, mas foi de grande valia
comprovar que há caminhos alternativos para o processo
de descoberta de conhecimento. / [en] This dissertation investigates the application of Rough
Sets to the process of KDD - Knowledge Discovery in
Databases. The main goal of the work was to evaluate the
performance of Rough Sets techniques in solving the
classification problem. Classification is a task of the
Data Mining step in KDD Process that performs the
discovery of decision rules that best represent a group of
registers in a database. The work had five major steps:
study of the KDD process; study of Rough Sets techniques
applied to data mining; evaluation of existing data mining
tools; development of Bramining project; and execution of
some case studies to evaluate Bramining.
The study of KDD process included all its steps:
transformation, cleaning, selection, data mining and post-
processing. The results obtained served as a basis to the
enhamcement of Bramining.
The study of Rough Sets techniques included the research
of theory´s concepts and its applicability at KDD context.
The Rough Sets tehory has been introduced by Zdzislaw
Pawlak in the early 80´s as a mathematical approach to the
analysis of vague and uncertain data. This research made
possible the implementation of the technique under the
environment of the developed tool.
The analysis of existing data mining tools included
studying and testing of software based on different
techniques, enriching the background used in the
evaluation of the research.
The evolution of Bramining Project consisted in the
enhancement of the KDD environment developed in previous
works, including the addition of Rough Sets techniques.
The case studies were performed simultaneously with
Bramining and a commercial minig tool, for comparison
reasons.
The quality of the knowledge generated by Bramining was
considered equivalent to the results of commercial tool,
both providing good decision rules for most of the cases.
Nevertheless, Bramining proved to be more adapted to the
complete KDD process, thanks to the many available
features to prepare data to data mining step.
The results achieved through the developed application
proved the suitability of Rough Sets concepts to the data
classification task. Some weaknesses of the technique were
identified, like the need of a previous attribute
reduction and the inability to deal with continuous domain
data. But as the technique has been inserted in a more
complete KDD environment like the Bramining Project, those
weaknesses ceased to exist. The features of data
preparation available in Bramining environment,
particularly the reduction and attribute codification
options, enable the user to have the database fairly
adapted to the use of Rough Sets algorithms.
Data mining is a very relevant issue in present days and
many methods have been proposed to the different tasks
involved in it. Compared to other techniques, Rough Sets
Theory did not bring significant advantages or
disadvantages to the process, but it has been of great
value to show there are alternate ways to knowledge
discovery.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:7244 |
| Date | 13 October 2005 |
| Creators | DANTE JOSE ALEXANDRE CID |
| Contributors | EMMANUEL PISECES LOPES PASSOS, EMMANUEL PISECES LOPES PASSOS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0035 seconds