§ 43. Логический анализ методов извлечения знаний

В данном параграфе проводится логический анализ методов Machine Learning и KDD&DM. Показывается, что если методы не основаны на теории измерений, то для них возникает проблема адекватности – доказательство инвариантности метода относительно допустимых преобразований шкал. В противном случае метод может давать различные результаты в зависимости от того в каких единицах измерения представлены данные. Вводится определение инвариантности метода относительно выбора числовых представлений для данных. Выделяется логическая составляющая данных. Показывается, как для любого метода Machine Learning и KDD&DM можно получить его логический аналог, для которого не возникает  проблема инвариантности.

В результате проведенного анализа показывается, как для каждого Machine Learning и KDD&DM можно выделить:

-    тип данных с которыми работает KDD&DM-метод в виде многосортной эмпирической системы;

-    онтологию метода в виде множества отношений и операций, в которых записаны данные и представлены гипотезы метода;

-    тип знаний метода как класс правил, которые проверяет метод.

Дадим определение инвариантности метода. Для этого представим числовые методы, как это показано на рис 8 :

-   W = {w} – обучающая выборка;

-    X(w) = (x1, …, xn) – набор значений из n признаков для каждого объекта обучения;

-    Y(w) – целевое значение признака для каждого объекта обучения w;

KDD&DM метод M в результате обучения на обучающей выборке {X(w)}, wÎW, порождает решающее правило

J = M({X(w)}),

которое предсказывает целевые значения признака Y(w). Например, рассмотрим объект w с неизвестным значением Y(w), но известными значениями признаков X(w), тогда

J(X(w)) ~ Y(w),

где J(X(w)) является значением сгенерированным правилом J, и ~ приблизительное равенство. Решающее правило J может быть алгебраическим или логическим выражением, решающим деревом, нейронной сетью или гибридным алгоритмом.

Для признаков (x1, …, xn, Y) существуют эмпирические системы A1, …, An, B, имеющие соответствующие группы преобразований g1, …, gng. Группа преобразований для всех признаков определяется как группа G = g1 ´ … ´ gn ´ g.


Инвариантность KDD&DM-метода M относительно группы преобразований G определяется так, что для любого преобразования gÎG решающее правило обнаруживаемое методом М должно быть одним и тем же в том смысле, что принимаемые на объектах wÎW решения совпадают, т.е. решающие правила J = M({áX(w), Y(w)ñ}) и Jg = M({ágX(w), gY(w)ñ}), полученные методом М по преобразованной {ágX(w), gY(w)ñ} и не преобразованной {áX(w), Y(w)ñ} выборке должны давать одни и те же решения для любых объектов wÎW

Jg(g(X(w))) = g(J(X(w))),

J = M({áX(w), Y(w)ñ}), Jg = M({ágX(w), gY(w)ñ}).

Если метод не инвариантен, то получаемые методом решения зависят от выбора единиц измерения.

Инвариантность метода тесно связана с интерпретируемостью его результатов. Если метод не инвариантен, то его результаты не могут быть полностью интерпретируемы. Интерпретируемость результатов означает их интерпретируемость в системе понятий предметной области.

Эмпирические системы A1, …, An, B признаков, по определению, интерпретируемы в системе понятий предметной области. Методы KDD&DM очевидно инвариантны, если они используют в своей работе только интерпретируемую информацию эмпирических систем A1, …, An, B и обнаруживают решающие правила J, являющиеся логическими выражениями в терминах эмпирических систем.

Покажем, как из любого метода KDD&DM можно извлечь инвариантный метод M : {X(w)} ® J. Проанализируем метод M с точки зрения ограничений KDD&DM-методов 1–3. Определим многосортную  эмпирическую систему A(W) как произведение эмпирических систем A1, …, An, B. Эмпирическая система A(W) содержит всю интерпретируемую информацию относительно обучающей выборки W. Обозначим через W ® A(W) преобразование выборки в многосортную эмпирическую систему A(W), извлекающую всю интерпретируемую информацию из данных в соответствии с теорией измерений. Преобразование

W ® {áX(w), Y(w)ñ}

заменим на преобразование

® A(W) ® {áX(w), Y(w)ñ}.

Метод

M : {áX(w), Y(w)ñ® J

преобразуем в метод

ML : A(W) ® J

таким образом, чтобы метод ML делал все то же самое, что и метод M, только вместо выборки W использовал соответствующую ей эмпирическую систему A(W) и все действия, которые осуществляет метод М переводил бы в действия над эмпирической системой. Точнее, если числовые представления признаков (x1, …, xn, Y) получены сильными гоморфизмами

φi : Ai ® , φ : B ® Ren,

то комплексное преобразование

(φ1, …, φnφ) : A(W) ® {áX(w), Y(w)ñ}

переводит многосортную эмпирическую систему в числовое представление выборки. Отсюда получаем

J = M({áX(w), Y(w)ñ}) = М((φ1, …, φnφ)(A(W))) = ML(A(W)).

Извлечем из правила J некоторое правило JL, содержащее всю интерпретируемую правила J. Для этого преобразуем правило

J(X(w)) = J((φ1, …, φn)A(w)) = JL(A(w)) ~ Y(w).

На основании метода ML и правила JL можно определить инвариантный метод

MLogic : A(W) ® JL

следующим образом:

MLogic(A(W)) = ML(A(W)) = J(X(w)) = JL(A(w)).

Метод MLogic очевидно инвариантен. Если мы рассмотрим все возможные выборки для метода М и получим все правила JL методом MLogic, то мы получим класс гипотез {JL} (тип знаний) метода M.

В результате проведенного анализа мы получили:

1)  тип данных, с которыми работает KDD&DM-метод M в виде многосортной эмпирической системы A(W);

2)  онтологию метода в виде множества отношений и операций, в которых записаны данные и представлены гипотезы;

3)  тип знаний метода M как класс правил {JL}.

В отличие от конкретного KDD&DM-метода разработанная в рамках реляционного подхода система Discovery не имеет ограничений ни в типе данных, ни в онтологии, ни в классе обнаруживаемых знаний.