Zadání diplomové práce­­­­­­­­­­­­

Klasifikace sekvencí pomocí pravidel vytěžených z dat

Jedním z klíčových směrů vytěžování dat (data mining) je získávat z dat znalosti reprezentované jako pravidla, tj. implikace nějaké formální logiky. Velký význam pravidlové reprezentace spočívá v tom, že je typicky mnohem srozumitelnější člověku než reprezentace numerická, zvláště když uživatelé získaných znalostí jsou z jiné oblasti než analýza dat a matematika. K hlavním typům pravidel patří pravidla klasifikační, v nichž premisou implikace je konjunkce podmínek na klasifikovaný objekt a důsledkem je příslušnost ke konkrétní třídě. Jejich srozumitelnost je zvláště cenná u objektů se složitější strukturou, na které nelze přímočaře použít úspěšné numerické klasifikátory jako umělé neuronové sítě či klasifikátory založené na opěrných vektorech nadrovin (support vector machines). Důležitým typem takových objektů jsou sekvence kombinací kategoriálních a numerických atributů, často se vyskytující v přírodních vědách, ale také např. v síťové bezpečnosti. Právě takovým typem dat se bude zabývat navržená diplomová práce.

Diplomant se seznámí s problematikou klasifikačních pravidel a zejména detailně klasifikačními pravidly pro sekvence kombinací kategoriálních a numerických atributů typu diskriminační kronika (diskriminant chronicle). Naučí se také dobře používat existující pythonovskou implementaci metody pro získávání tohoto typu pravidel z dat. V rámci diplomové práce zobecní tuto metodu ze skalárních celočíselných atributů na vektorové obecné numerické atributy a odpovídajícím způsobem rozšíří její implementaci. Zdokonalenou metodu otestuje na reálných datech dodaných vedoucím práce.

 

Doporučená literatura

·         W.W. Cohen. Fast Effective Rule Induction, ICML 1995, 115-123.

·         Y. Dauxais, T. Guyet, D. Gross-Amblard, A. Happe. Discriminant chronicles mining, European Conference on Artificial Intelligence in Medicine, 2017, 234-244.

·         D.J. Hand. Construction and Assessment of Classification Rules, Wiley, 1997.

·         Generalized Discriminant Chronicle Pattern-Based Classification. INRIA GitLab: https://gitlab.inria.fr/ydauxais/GDC-PBC