Projekt-INF Folie 1

Transkript

1 Folie 1 Projekt-INF Entwicklung eines Testbed für den empirischen Vergleich verschiedener Methoden des maschinellen Lernens im Bezug auf die Erlernung von Produktentwicklungswissen

2 Folie 2 Inhalt Ziel des Projekts Unser Lösungsansatz WEKA Verwendete Algorithmen Verwendete Technologien Implementierung und Beispiel Zusammenfassung

3 Folie 3 Ziel des Projekts Entwicklung eines Testbeds, also einer Plattform Experimente Implementierung verschiedener Machine- Learning Algorithmen Vergleich der verwendeten Algorithmen

4 Folie 4 Unser Lösungsansatz Implementierung einer Webanwendung und Middleware in einer Java-Servlet-Umgebung Einfache Benutzeroberfläche mit grundlegenden Klassifizierungs- und Clusteringverfahren Evaluierung und Empfehlung eines Algorithmus für den Benutzer Nutzung bereits existierenden Werkzeuge (WEKA) und Algorithmen

5 Folie 5 WEKA Waikato Environment for Knowledge Analysis Freie Software für maschinelles Lernen sowie Data-Mining unter GPL-Lizenz, in Java geschrieben Enthält unter anderem Filter für Vorverarbeitung der Daten und Klassifizierungs-, Clusteringsowie Assoziations-Algorithmen

6 Folie 6

7 Folie 7 ARFF-Datenformat Für WEKA übliches Datenformat Besteht aus einem Header mit der Beschreibung der Attribute sowie dem Datenbereich Erinnert an CSV- Dateien

8 Folie 8 Verwendete Algorithmen Clustering Gruppierung der Daten auf Basis ihrer Gemeinsamkeiten Clusterzahl wird vom Benutzer vorgegeben Wichtiger Parameter: Abstand der Elemente im Cluster kleiner als der Elemente in verschiedenen Cluster Klassifizierung Teilt Datenbereich in vorgegebenen Klassen auf Klassen stellen gemeinsame Eigenschaften von Daten dar Klassifikation bedeutet Einordnen in die Eigenschaftsklasse oder in die Klasse mit den wenigsten Kosten

9 Folie 9 Klassifizierungsalgorithmen Naive-Bayes (NB): NB-Klassifikator hat das Ziel, zu einem gegebenen Datenpunkt zu schätzen, mit welcher Wahrscheinlichkeit er in eine Kategorie passt Setzt Unabhängigkeit der Attribute voraus daher naiv Liefert in der Praxis trotzdem gute Ergebnisse K Nearest Neighbour Training besteht aus simplen Abspeichern von Trainigsdaten Abstand zu allen Trainingsdaten berechnen k nächste Nachbarvektoren betrachten und die Kategorie bestimmen

10 Folie 10 Clusteringalgorithmus Bildquelle:Sapna Jain, M Afshar Aalam, M. N Doja: K-MEANS CLUSTERING USING WEKA INTERFACE, 2010

11 Folie 11 Verwendete Technologien Unsere Software läuft auf Java-Servlets Google App Engine Platform-as-a-Service von Google Bietet Zugriff auf andere Google-Dienste Eingeschränkte Servlet-Umgebung Tomcat-Server mit WEKA-Einbindung Übliche Webtechnologien, JQuery

12 Folie 12

13 Folie 13 Implementierung Unsere Implementierung besteht aus zwei Teilen: Der Frontend-Server läuft auf der Google App Engine, hier werden die Daten eingegeben und aus die Antworten des Backend-Servers verarbeitet Der Backend-Server nimmt die Daten entgegen und führt mit Hilfe der WEKA-Klassen die Algorithmen aus

14 Folie 14 Implementierung Die beiden Komponenten kommunizieren über ein von uns definiertes Protokoll, das wiederum HTTP verwendet Der Tomcat-Server führt eine Art Middleware aus. Die Algorithmen können hier z.b. ausgetauscht werden.

15 Folie 15

16 Folie 16 Ausblick und Erweiterungsmöglichkeiten Speichern von Ergebnissen in Google App Engine Visualisierung von Daten Bessere Dateneingabe, speziell für größere Datenmengen Vollständige Integration in Google App Engine

17 Folie 17 Fazit Anwender muss nur für korrekt formatierte Daten sorgen, durch Algorithmenempfehlung kann man sich ansonsten "durchklicken" Ermöglicht es allen möglichen Anwendern ohne Vorkenntnisse und Installation Machine- Learning Algorithmen zu nutzen Anpassungen an verschiedene Bedürfnisse und Fachrichtungen möglich

18 Folie 18 Fragen?