Recuperação de Dados Ausentes Através de Redes Neurais Artificiais - Estudo de Caso para uma Base de Dados Mercadológica

Abstract

Resumo-Dados ausentes em bancos de dados são hoje considerados um dos maiores problemas enfrentados na aplicação de Data Mining. No tratamento destes dados é necessário que as características do banco sejam preservadas, ou seja, que não haja informação perdida nem adicionada sem uma análise mais cuidadosa. O objetivo deste trabalho é mostrar como as Redes Neurais Artificiais junto com o conhecimento tácito do especialista no domínio, podem ajudar a recuperar informações dos atributos ausentes. Neste trabalho, esses dois elementos são combinados para recuperar dados ausentes numa base de dados mercadológicos.I. INTRODUÇÃO Atualmente, KDD (Knowledge Discovery in Data Base) [1], onde o Data Mining está inserido, vem sendo aplicado aos mais diversos segmentos científicos e de mercado. Como exemplos, podem ser citadas as áreas industrial, financeira, de saúde, telecomunicações, de negócios entre outras, sempre com a mesma finalidade, a descoberta de conhecimento não óbvio e o auxílio para tomada de decisão.Os dados sobre os quais é aplicado o processo KDD freqüentemente possuem dados ausentes ocasionados por circunstâncias não controladas. Entende-se por dados ausentes aqueles cujos valores não foram adicionados à base de dados, mas para os quais existe um valor real no meio do qual foram extraídos. A presença de valores ausentes em uma base de dados é um fato comum, podendo estar distribuído em diversos atributos, numa mesma instância (registro) ou de forma aleatória. Valores ausentes podem gerar sérios problemas na extração de conhecimento e na aplicação dos algoritmos de Data Mining.Durante o processo da Descoberta de Conhecimento numa base de dados, um procedimento muito comum para lidar com dados ausentes consiste em eliminar o(s) atributo(s) ou a(s) instância(s) da base de dados que apresentam esses valores, impondo, desta forma, restrições ao conhecimento extraído. Outros procedimentos sugerem a substituição de valores ausentes por valores padrões ou valores médios em todas as ocorrências.A eliminação de instâncias e/ou atributos pode acarretar também na perda de informações importantes relativos aos valores que estão presentes. Além disso, a substituição por valor padrão, mesmo o mais criterioso, pode introduzir na base informações distorcidas, que não estão contidas no evento e nas circunstâncias que a geraram [2] . A recuperação de dados ausentes torna-se, então, um ponto de extrema importância na descoberta de conhecimento em base de dados, requerendo predições cuidadosas dos valores, utilizando técnicas mais avançadas e elaboradas, além do conhecimento tácito de um especialista no domínio do problema [3]. Todas elas, em seu conjunto, visam a não distorção das informações.Embora um grande número de técnicas usadas em Data Mining não lide com dados que contenham valores ausentes, existem outras que sobrelevam este problema em diferentes graus. Técnicas como classificador por vizinho mais pró-ximo nearest neighbor, classificadores bayesianos e diversas técnicas estatísticas, não conseguem lidar com conjunto ...