Agrupamento de Dados a partir do SOM: uma proposta baseada na extração de componentes conectados

Resumen

 Mapa Auto-Organizável (ou Self Organizing Map - SOM) é um modelo de rede neural desenvolvido por Teuvo Kohonen [7], com aprendizado não supervisionado e competitivo, com habilidade de realizar mapeamentos que preservam a topologia entre os espaços de entrada e de saída, uma propriedade observada no cérebro. SOM é baseada em uma grade de neurônios, que normalmente é de uma ou duas dimensões. Uma grade de neurônios bidimensional pode apresentar topologia retangular ou hexagonal. Para cada topologia existe uma forma de ligação entre os neurônios, que define o tipo de vizinhança [5]. Segundo [8], sua arquitetura é formada por duas camadas: camada de entrada e a camada de saída. Cada neurônio da camada de saída é completamente conectado com todos os padrões do vetor de entrada. São apresentados os padrões do vetor de entrada à camada de saída e a cada padrão do vetor de entrada apresentado tem-se uma região de atividade na grade. A localização e natureza de uma determinada região variam de um padrão de entrada para outro. Assim sendo, todos os neurônios da rede devem ser expostos a um número suficiente de diferentes padrões de entrada, garantindo assim que o processo de auto-organização ocorra de forma apropriada [6]. Segundo Boscarioli [2], somente o mapeamento topológico do SOM não é suficiente para realizar uma análise de agrupamentos. Para a realização da análise de agrupamentos via SOM, outras técnicas devem ser utilizadas sobre o mesmo, para que os resultados sejam observáveis e úteis na geração de novos conhecimentos. O algoritmo SL- SOM [3], a metodologia de Vesanto e Alhoniemi [9], a metodologia de Boscarioli [2], entre outras encontradas na literatura, são técnicas utilizadas para agrupar dados a partir de um mapa SOM treinado. Neste trabalho, uma metodologia para agrupamento a partir do SOM que se utiliza de um algoritmo de extração de componentes conectados foi desenvolvida e implementada [4]. A ideia desta metodologia é utilizar o algoritmo de extração de componentes conectados para a rotulação dos grupos na matriz de densidade de um SOM treinado. A metodologia foi implementada no módulo de agrupamento da ferramenta YADMT - Yet Another Data Mining Tool [1], uma ferramenta de KDD (Knowledge Discovery in Databases ou Descoberta de Conhecimento em Bases de Dados) que está sendo desenvolvida na UNIOESTE. Para a avaliação da metodologia implementada foram realizados experimentos utilizando três bases de dados reais e públicas (disponíveis no repositório da Universidade da Califórnia em Irvine, “UCI Machine Learning Repository”1: Iris Plants Database, Pima Indians Diabetes e Vehicle Silhouettes) comparando os resultados com o método de agrupamento baseado em Formigas descrito em [10] e com o K-médias, que também estão presentes na ferramenta YADMT. Utilizou-se como métricas para avaliação a Medida F, o Índice aleatório R e a porcentagem de agrupamento correto. Analisando os resultados obtidos (Quadro 01) com os experimentos pode-se concluir que a metodologia de agrupamento de dados a partir do SOM proposta apresentou um resultado satisfatório, mesmo não tendo as melhores medidas de avaliação para as bases de dados testadas. O K-médias apresentou melhor resultado para duas das três bases de dados (Iris Plants Database e Vehicle Silhouettes) e o agrupamento por Formigas apresentou melhor resultado (na maioria das medidas de avaliação) para a base de dados Pima Indians Diabetes, porém, para esta base de dados as medidas de avaliação ficaram muito próximas para os diferentes métodos. Além disso, para a base de dados Vehicle Silhouettes os resultados não ficaram tão próximos, mas estes foram ruins para todos os métodos. Somente para a base de dados Iris Plants Database o K-médias apresentou resultado consideravelmente melhor que a metodologia estudada. A vantagem da metodologia SOM proposta em relação ao K-médias é que não há necessidade de informar o número de grupos.