Projet Acquisition de connaissances Réalisé par Anne-Laure B ERRÉE, Andra Maria B LAJ, Stéphanie C HARLET, Diana D RAGUSIN, Daphné D USSAUD, Emeline E SCOLIVET, Nolwenn P OIRIER & Fanny T OLLEC Encadré par Peggy CELLIER INSA de Rennes Département INFO 4 ième année – G2.1

Plan I.Contexte et objectifs II.Choix effectués III.Description de l’outil IV.Comparaison avec Weka 2

I.Contexte et objectifs WekaWeka Notre outil Règles d’associations  Règles d’associations SI condition(s) ALORS fait(s) Quelques rappels Objectif général  Objectif général Extraire des règles d’associations à partir de données de la forme Item 1Item 2 Transaction 10/1 Transaction 20/1 3

I.Contexte et objectifs Objectif n°2  Objectif n°2 Implémenter un algorithme from scratch effectuant un travail semblable à Apriori Objectifs Objectif n°3  Objectif n°3 Implémenter différents calculs d’indice statistique Objectif n°4  Objectif n°4 Implémenter différents types d’itemsets Objectif n°5  Objectif n°5 Comparer les performances de l’outil avec Weka Objectif n°1  Objectif n°1 Transformer deux types de jeux de données en la matrice Transaction/Items 4

II. Choix effectués Langage Pourquoi Java ?  Langage orienté objet permettant une modélisation simple et rapide  Présence de structures de données facilement manipulables  Import des fichiers relativement aisé  Facilité de mise en place d’une interface graphique  Multiplateforme 5

II. Choix effectués Algorithme 6 Algorithme Apriori Algorithme FP-Growth  Algorithme d’exploration des données dans le domaine de l’apprentissage des règles d’association  Permet de reconnaître des propriétés qui reviennent fréquemment dans un ensemble des données  Algorithme très proche d’Apriori, basé sur des recherches sur la génération d’itemsets et leur fréquence  Utilise une structure de données appélée Frequent- Pattern tree qui permet de trouver des itemsets fréquents dans une grande base de données

II. Choix effectués Algorithme 7 Comparaison des algorithmes  Apriori nécessite de multiples parcours de la base de données, génère un nombre considérable d'itemsets et calcule leur support à chaque fois  Très coûteux de gérer cette quantité d'itemsets, car il faut tester la fréquence de chacun des itemsets  FP-Growth réduit le nombre de parcours de la base de données à effectuer, diminue considérablement le nombre de génération d'itemsets et facilite le calcul du support  Plus adapté aux grandes bases de données  Mise en œuvre assez difficile

- premisse : Integer [] - but : int -valeurCritere : double - premisse : Integer [] - but : int -valeurCritere : double -Transactions : Vector > - unItems : Vector - itemsFreq : Vector -Transactions : Vector > - unItems : Vector - itemsFreq : Vector - matrix : boolean[][] - seuilSupportMin : double - seuilCritereMin : double - matrix : boolean[][] - seuilSupportMin : double - seuilCritereMin : double II. Choix effectués Modélisation RègleAssociation Attribut Indice Moteur AlgoApriori IndiceConfiance IndiceSupport IndiceLift 8 APrioriMaximaux APriorisClos ItemSet -itemset : Vector - support : double -itemset : Vector - support : double algoSelectionne listeRegles items indice

III. Description de l’outil 9 Import et mise en forme des données Attributs : Mots sous forme de liste Attributs : Mots sous forme de liste Objets : Articles de journaux Objets : Articles de journaux + = ChiracJospin Article 101 Article 211  Données non structurées : articles de journaux Discrétisation d’attributs nominaux -Homme -Femme Discrétisation d’attributs nominaux -Homme -Femme  Données structurées : tickets de caisse Attributs et objets : Tickets de caisse Attributs et objets : Tickets de caisse Phase de discrétisation des données Discrétisation d’attributs continus - Âge < < Âge < < Âge < 60 Discrétisation d’attributs continus - Âge < < Âge < < Âge < 60 HommeFemme Ticket 101 Ticket 210 =

III. Description de l’outil 10 Implémentation de l’algorithme 1. Transformation des données de matrice booléenne en transactions 2. Génération des un-imtemsets fréquents 3. Génération de 2-itemsets fréquents 4. Génération de k-itemsets fréquents Gestion des différents types d’itemsets 1. Itemsets fréquents clos 2. Itemsets maximaux 3.Comparaison des itemsets obtenus pour les différents types d’itemsets choisis par l’utilisateur  Diana

11 Stratégie  Stratégie modifier l’algorithme Apriori pour supprimer les itemsets fréquents non fermés ou non maximaux lors de leur génération Au moment où on construit un (k+1)-itemset J à partir de 2 k-itemsets, Si J est fréquent alors Pour chaque k-itemset I, Si I est inclus dans J et I est de même support que J alors I n’est pas clos, donc on le supprime Fin si Fin Pour Fin Si  Comparaison des résultats Génération des itemsets fréquents maximaux ou fermés certaines règles pertinentes non générées en utilisant les itemsets fréquents maximaux ou fermés MAIS  Implémentation similaire pour les itemsets fréquents maximaux moins de redondance III. Description de l’outil

12 Exécution et affichage des résultats  Anne-Laure (on pourrait inclure la démo là!)

IV. Comparaison avec Weka 13  Fanny

Bilan 14  Difficultés rencontrées  Atouts de l’outil - Implémentation de FP-Growth - Choix de la modélisation - Implémentation de FP-Growth - Choix de la modélisation - Choix de modélisation - Mise en commun - Choix de modélisation - Mise en commun