Intelligent Data Analysis and Data Mining Data Analysis - Computer

Office 319, Omega, BCN. EET, office 107, TR-2, Terrassa [email protected] skype, gtalk: avellido. Tels.: 934137796, 937398090 www.lsi.upc.edu/~avel...

8 downloads 662 Views 15MB Size
Lluis Belanche + Alfredo Vellido

Intelligent Data Analysis and Data Mining or …

Data Analysis and Knowledge Discovery a.k.a. Data Mining II

Office 319, Omega, BCN EET, office 107, TR‐2, Terrassa [email protected] skype, gtalk: avellido Tels.: 934137796, 937398090

www.lsi.upc.edu/~avellido/teaching/data_mining.html raco.fib.upc.edu/home/assignatura?espai=270717 raco.fib.upc.edu/home/assignatura?espai=270650

IDADM

Contents of the course … (but who knows) 1. Introduction to DM and its methodologies 2. Visual DM: Exploratory DM through visualization 3. Pattern recognition 1 4. Pattern recognition 2 5. Feature extraction 6. Feature selection 7. Error estimation 8. Linear classifiers, kernels and SVMs 9. Probability in Data Mining 10. Nonlinear Dimensionality Reduction (NLDR) 11. Applications of NLDR: biomed & beyond 12. DM Case studies

IDADM 2013/2014. Alfredo Vellido

An Introduction to Mining (1)

What is DATA MINING? 

IDADM

What is DATA MINING? (1) “Data Mining is the process of discovering actionable and  meaningful patterns, profiles, and trends by sifting  through your data using pattern recognition technologies  (…) is a hot new technology about one of the oldest  processes of human endeavour: pattern recognition (…) It  is an iterative process of extracting knowledge from  business transactions (…) DM is the automatic discovery  of usable knowledge from your stored data.”

Jesús Mena: Data Mining your Website (Digital Press, 1999, available @ books.google)

IDADM

What is DATA MINING? (2) “Data Mining, by its simplest definition, automates the detection of  relevant patterns in a database (…) For many years, statisticians have  manually “mined” databases (…) DM uses well‐established statistical and  machine learning techniques to build models that predict customer  behaviour. Today, technology automates the mining process, integrates it  with commercial data warehouses, and presents it in a relevant way for  business users (…) the leading DM products address the broader business  and technical issues, such as their integration into complex IT  environments.” Berson, Smith, & Thearling: Building Data Mining Applications for CRM  (McGraw‐Hill, 2000)

IDADM

What is DATA MINING? (3) WIKIPEDIA 2005 DIXIT: “Data mining has been defined  as "The nontrivial extraction of implicit, previously unknown,  and potentially useful information from data" (1) and "The  science of extracting useful information from large data sets  or databases" (2). Although it is usually used in relation to  analysis of data, data mining, like artificial intelligence, is an  umbrella term and is used with varied meaning in a wide range  of contexts.” (1) W. Frawley and G. Piatetsky‐Shapiro and C. Matheus, Knowledge Discovery in  Databases: An Overview. AI Magazine, 1992, 213‐228. (2) D. Hand, H. Mannila, P. Smyth: Principles of Data Mining. MIT Press, 2001.

en.wikipedia.org/wiki/Data_mining

IDADM

What is DATA MINING? (4) WIKIPEDIA’06 DIXIT: “Data mining (DM), also  called Knowledge‐Discovery in Databases (KDD) or  Knowledge‐Discovery and Data Mining, is the  process of automatically searching large volumes of  data for patterns such as association rules. It is a fairly  recent topic in computer science but applies many  older computational techniques from statistics,  information retrieval, machine learning and pattern  recognition.

IDADM

DAKD,KDD,KDDM … In 1996, in the proceedings of the 1st International Conference on KDD,  Fayyad gave one of the best‐known definitions of Knowledge Discovery from  Data: “The non‐trivial process of identifying valid, novel, potentially useful, and  ultimately understandable patterns in data.”

KDD quickly gathered strength as an interdisciplinary research field where a  combination of advanced techniques from Statistics, Artificial Intelligence,  Information Systems, and Visualization are used to tackle knowledge  acquisition from large data bases. The term Knowledge Discovery from Data  appeared in 1989 referring to the: “[...] overall process of finding and interpreting patterns from data, typically  interactive and iterative, involving repeated application of specific data mining  methods or algorithms and the interpretation of the patterns generated by these  algorithms.”

IDADM

What is DATA MINING? (6) WIKIPEDIA’08 DIXIT: “Data mining is the process of sorting  through large amounts of data and picking out relevant information.  It is usually used by business intelligence organizations, and financial  analysts, but is increasingly being used in the sciences to extract  information from the enormous data sets generated by modern  experimental and observational methods. It has been described as  "the nontrivial extraction of implicit, previously unknown, and  potentially useful information from data" and "the science of  extracting useful information from large data sets or databases." Data  mining in relation to enterprise resource planning is the statistical and  logical analysis of large sets of transaction data, looking for patterns  that can aid decision making.”

IDADM

What is DATA MINING? (7) WIKIPEDIA’10 gave up:

IDADM

What is DATA MINING? (8) … but never lose your faith … W’13 Data mining (the analysis step of the "Knowledge Discovery in Databases" process, or  KDD), an interdisciplinary subfield of computer science, is the computational process of  discovering patterns in large data sets involving methods at the intersection of artificial  intelligence, machine learning, statistics, and database systems.  The overall goal of the data mining process is to extract information from a data set and  transform it into an understandable structure for further use.  Aside from the raw analysis step, it involves database and data management aspects, data  pre‐processing, model and inference considerations, interestingness metrics, complexity  considerations, post‐processing of discovered structures, visualization, and online  updating. The term is a buzzword, and is frequently misused to mean any form of large‐scale data or  information processing (collection, extraction, warehousing, analysis, and statistics) but is  also generalized to any kind of computer decision support system ... 

IDADM

A different (practical) approach to the definition of  DM: What to expect from a DM conference…

15‐17 September’04: Wessex Institute of Technology (W.I.T.)

IDADM

What to find in a DM conference… Sessions 1 & 2: Text Mining Session 3: Web Mining Session 4: Clustering Techniques Session 5: Data Preparation Techniques Session 6 & 7: Applications in Business, Industry and Government Session 8: Customer Relationship Management (CRM) Session 9 & 10: Applications in Science and Engineering

IDADM

What to find in a DM conference (three years later)… 2007 Session 1: Categorisation Methods Session 2: Data Preparation Session 3: Enterprise Information Systems Session 4: Clustering Techniques Session 5: National Security Session 6: Data and Text Mining Session 7: Mining Environmental and Geospatial Data Session 8: Applications in Business, Industry and Government

IDADM

What to find in the dark last few years …

IDADM

What to find in the dark last few years … Investigative Data Mining  For Security And Criminal  Detection Jesús Mena Butterworth‐Heinemann 2003

IDADM

A different conference, a different take … IEEE CIDM 2012, Brussels 2012 IEEE Symposium on Computational Intelligence and Data Mining • Data mining foundations • Novel data mining algorithms in traditional areas (such as classification,  regression, clustering, probabilistic modeling, and association analysis) • Algorithms for new, structured, data types  (chemistry, biology, environment, and  other scientific domains) • Developing a unifying theory of data mining • Mining sequences and sequential data • Mining spatial and temporal datasets • Mining textual and unstructured datasets • High performance implementations of data mining algorithms

IDADM

A different conference, a different take … IEEE CIDM 2012, Brussels 2012 IEEE Symposium on Computational Intelligence and Data Mining • Mining in targeted application contexts • Mining high speed data streams • Mining sensor data • Distributed data mining and mining multi‐agent data • Mining in networked settings: web, social and computer networks, and online  communities • Data mining in electronic commerce, such as recommendation, sponsored web  search, advertising, and marketing tasks

IDADM

A different conference, a different take … IEEE CIDM 2012, Brussels 2012 IEEE Symposium on Computational Intelligence and Data Mining • Methodological aspects and the KDD process • Data pre‐processing, data reduction, feature selection, and feature  transformation • Quality assessment, interestingness analysis, and post‐processing • Statistical foundations for robust and scalable data mining • Handling imbalanced data • Automating the mining process and other process related issues • Dealing with cost sensitive data and loss models • Human‐machine interaction and visual data mining • Security, privacy, and data integrity

IDADM

A different conference, a different take … IEEE CIDM 2012, Brussels 2012 IEEE Symposium on Computational Intelligence and Data  Mining • Integrated KDD applications and systems • Bioinformatics, computational chemistry, geoinformatics, and other science  & engineering disciplines • Computational finance, online trading, and analysis of markets • Intrusion detection, fraud prevention, and surveillance • Healthcare, epidemic modeling, and clinical research • Customer relationship management • Telecommunications, network and systems management

But let’s talk money ... Starved for ca$h?: ask your TIA

IDADM

The T.I.A. The W Bush years “The Total Information Awareness (TIA) program may have been killed by congressional decree, but key elements of the program have survived at other intelligence agencies, according to congressional, federal, and research officials. TIA's goal was to employ data‐mining to shift through public and private databases to track terrorists, which stirred up fears that the program would be used to spy on millions of innocent Americans.”  “Congressional officials have not disclosed which TIA programs were eliminated and which were retained, but insiders report that TIA's Evidence Extraction and Link Discovery projects,  collectively encompassing 18 data‐mining initiatives, are among the surviving components. “ “Despite the death of TIA, Capitol Hill is still paying for the development of software designed to collect foreign intelligence on terrorists: a $64 million research program run by the Advanced Research and Development Activity (ARDA), which has employed some of the same researchers as TIA, was left untouched by Congress.” 

www.darpa.mil

IDADM

What’s DATA MINING?: A procedural viewpoint

IDADM

What’s DATA MINING?: A historicist viewpoint

STATISTICS ESTADÍSTICA

DM PATT RECOG KDD

ARTIFICIAL INTELLIGENCE

EXPERT SYSTEMS MACHINE LEARNING

DB MANAGEMENT

IDADM

What’s DATA MINING?: A historicist viewpoint ADVANCED PROBABILISTIC MODELS

STATISTICS ESTADÍSTICA KDD

ARTIFICIAL INTELLIGENCE

MACHINE LEARNING

Probabilistic Models

Algor. Devel. Bio-plausible Models

OTHERS…

DATA MINING as a methodology

IDADM

CRISP: a DM methodology CRoss‐Industry Standard Process for Data Mining: neutral methodology  from the point of view of industry, tool and application (free & non‐ proprietary) Pete Chapman, Randy Kerber (NCR); Julian Clinton, Thomas Khabaza, Colin  Shearer (SPSS), Thomas Reinartz, Rüdiger Wirth (DaimlerChrysler) CRISP‐DM was conceived in 1996 DaimlerChrysler: leaders in industrial application, SPSS: leaders in product  development (Clementine, 1994), NCR: owners of large (huge!) databases  (Teradata) Financed by the EU. Version 1.0 released officially in 1999

IDADM

CRISP: Hierarchic structure of the methodology

IDADM

CRISP: Description of phases Problem understanding: study of targets and requirements form the business/problem viewpoint. Defining it as a DM problem. Data understanding: data recolection; getting to know the data, trying to detect both quality problems and interesting features. Data preparation: Preparing the data set to be modelled, starting from raw data. This is an iterative and exploratory process. Selection of files, tables,  variables, record samples… plus data cleaning. Modelling: Data analysis using modelling techniques of a sort that are suitable for the problem at hand. Includes fiddling with the models, tuning their parameters, etc. Evaluation: All previous steps must be evaluated as whole (as a unitary process),  and we must decide whether deliverables so far meet the DM challenge.  Implementation: All the knowledge aquired to this point must be organized and  presented to the “client” in a usable form. We must define, together with this client, a protocol to reliably deploy the DM findings.

IDADM

CRISP: The virtuous loop of methodology phases

IDADM

Use of DM methodologies (2004)

Enterprise MinerTM: SEMMA The acronym SEMMA ‐‐ Sample, Explore, Modify, Model, Assess ‐‐ refers to the core  process of conducting data mining. Beginning with a statistically representative  sample of your data, SEMMA makes it easy to apply exploratory statistical and  visualization techniques, select and transform the most significant predictive  variables, model the variables to predict outcomes, and confirm a model's accuracy. 

IDADM

Use of DM methodologies (2004 → 2007)

2004

2007

IDADM

CRISP: Phases: Problem understanding PROBLEM  UNDERSTANDING

DATA 

DATA

UNDERST’ING

PREPARATION

DETERMINE PROBLEM GOAL

BACKGROUND

ASSESS  SITUATION

INVENTORY  RESOURCES

DETERMINE DM GOALS

GOALS DM

SUCCESS  CRITERIA DM

PRODUCE  PROJECT PLAN

PROJECT

INITIAL  SELECTION OF  TOOLS

PLAN

MODELLING

PROBLEM

SUCCESS

GOALS

CRITERIA

REQUERIMS.  ASSUMPTIONS  LIMITATIONS

RISKS  CONTINGEN.

EVALUATION

TERMINOLOG.

IMPLEMEN TATION

COSTS &  BENEFITS

IDADM

DM application areas (’06‐>’09)

IDADM

DM application areas (’09‐>’10)

IDADM

DM application areas (’10‐>’11)

IDADM

CRISP: Phases: Data understanding PROBLEM  UNDERSTANDING

DATA 

DATA

UNDERST’ING

PREPARATION

OBTAIN INITIAL  DATA

DESCRIPTION  DATA

EXPLORATION DATA

VERIFICATION  QUALITY DATA

INITIAL DATA  REPORT

DATA  DESCRIPTIVE  REPORT

DATA  EXPLORATION  REPORT

DATA QUALITY  REPORT

MODELLING

EVALUATION

IMPLEMEN TATION