Lernen in Parallelen Universen

Abstract

Klassische Data Mining Verfahren beruhen praktisch immer auf einer eindeutigen Objektdarstellung, häufig in Form eines hochdimensionalen Attributvektors pro Objekt. In vielen Anwendungsbereichen zeigt sich jedoch, dass die zu analysierenden Objekte (Moleküle, 3D Modelle, Prozesse) auf vielfältige Weise beschrieben werden können, was zu einer Vielzahl von Darstellungsräumen, so genannten Parallelen Universen, führt.<br />Im Rahmen dieser Arbeit wird das Lernen in Parallelen Universen als neues Lernkonzept vorgestellt, das die simultane Analyse der verschiedenen Universen umfasst. Ziel ist die Erzeugung eines verständlichen Modells, das interessante Strukturen in den Daten, verteilt auf verschiedene Universen darstellt. Das gefundene Modell besteht also aus Teilmodellen, die in jeweils unterschiedlichen Universen gültig sind und zusammen die den gesamten Objekten zugrunde liegende Struktur beschreiben. Dazu werden zwei Verfahren, die dieses neue Lernkonzept umsetzen, neu entwickelt und untersucht. Das erste Verfahren dient zur Lösung überwachter Lernprobleme. Es beruht auf der Erstellung lokaler Nachbarschaftsdiagramme, kurz Neighborgramme, für die Objekte einer oder mehrerer Zielklassen in allen Universen. Beruhend auf Kennwerten wie z. B. der Klassenverteilung oder -dichte in diesen Diagrammen werden so Neighborgramme aus unterschiedlichen Universen ausgewählt, um ein Klassifikationsmodell zu erstellen. Von praktischem Interesse ist dabei auch die Neighborgram-Visualisierung, die zum einen den Vergleich der Nachbarschaftsbeziehung in den Universen ermöglicht und zum anderen eine interaktive Modellerstellung erlaubt. Das zweite Verfahren beschreibt eine Erweiterung verschiedener unüberwachter unscharfer Clusterverfahren. Die Kernidee dabei ist die Modellierung der Zugehörigkeit zu Parallelen Universen durch neue Variablen in den klassischen Zielfunktionen, wobei die Optimierung dann auch in Bezug auf diese neuen Variablen stattfinden. Die Ausgabe der vorgestellten Verfahren beinhaltet u. a. die Clusterprototypen sowie Zugehörigkeitswerte der Cluster (bzw. oder der Objekte) zu Universen, so dass für jeden Cluster oder für jedes Objekt eine partielle Zuordnung zu den individuellen Universen vorgenommen werden kann.<br />Die beschriebenen Verfahren werden auf verschiedenen Datensätzen evaluiert. Diese<br />umfassen einen molekularen Datensatz, bei dem basierend auf vier Universen die Aktivität von Molekülen vorherzusagen ist, sowie einen Datensatz von 3D Objekten, die in<br />16 Universen beschrieben sind.