du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi

Abstract

İstemcilerin (uçta çalışan cihazlar) ve sunucuların birlikte çalışması gereken sistemlerde makine öğrenmesi modeli kullanılması bir ihtiyaçtır. Ancak istemcilerden verilerin toplanması, sunucuya aktarılması, makine öğrenmesi modeli eğitilmesi ve ardından bu modelin istemcilerde çalışan cihazlara entegre edilmesi bir çok problemi beraberinde getirmektedir. Verilerin istemcilerden sunucuya transferi ağ trafiğine sebep olmakta ve fazla enerji gerektirmektedir. Bütün veriler aktarılacağı için veri mahremiyeti de istismar edilebilmektedir. Çalışma kapsamında, bu problemlerin çözümü için bir mimari önerilmektedir. Mimariye göre her bir istemcide kendi verilerinden bir makine öğrenmesi modeli eğitilmektedir. Eğitilen model sunucuya gönderilmekte ve sunucuda bu modeller birleştirilerek yeni bir model oluşturulmaktadır. Oluşturulan nihai model tekrar istemcilere dağıtılmaktadır. Bu sayede ağ trafiği azaltılmakta, enerji ihtiyacı düşürülmekte ve veri mahremiyeti bütün veriler yerine tek başına anlamsız olan veriler gönderildiği için korunmaktadır. Ayrıca tüm istemcilerdeki modeller güncel kalmaktadır. Bu çalışma kapsamında önerilen mimariye ait bir simülasyon ortamı oluşturulmuştur. Simülasyon ortamında iki farklı şekilde model eğitimi gerçekleştirilmiş ve elde edilen iki model kıyaslanmıştır. İlk model istemcilerden sunucuya verilerin aktarılmasıyla ve bu verilerden model eğitilmesiyle elde edilmiştir. İkincisi ise önerilen mimari olan istemcilerde model eğitilip sunucuda modellerin birleştirilmesi ile nihai modelin eğitilmesidir. Önerilen mimariyi simülasyonda gerçekleştirmek için Incremental Classification Based on Association (I-CBA) olarak adlandırılan algoritma geliştirilmiştir. I-CBA ve ilişkisel sınıflandırma algoritmalarından biri olan CBA kullanılarak, UCI veri havuzundan alınan beş veri kümesi ile modeller eğitilmiştir. Deneysel sonuçlar CBA ile karşılaştırıldığında, I-CBA ile model eğitim süresinin yaklaşık olarak %70 oranında azaldığını ve neredeyse aynı doğruluğu elde ettiğini göstermiştir. Bu sonuçlar önerilen mimarinin başarıya ulaştığını ortaya koymaktadır.