IWiSE wykêad 2b CF
Transkrypt
IWiSE wykêad 2b CF
Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ [email protected] 1 Współczynniki pewności Współczynniki pewności (ang. Certainty Factors – cf) są alternatywą do wnioskowania w oparciu o twierdzenie Bayesa. Po raz pierwszy zostały wprowadzone w systemie ekspertowym MYCIN. Powody: eksperci nie wyrażali swojej wiedzy w matematycznie spójny sposób ●dane statystyczne nie były dostępne ● 2 Współczynniki pewności Cf = 1.0 : całkowita wiara w daną regułę Cf = -1.0 : całkowita niewiara w daną regułę IF przesłanka THEN wniosek { cf } Wartość cf określa wiarę, że jeśli zaszła przesłanka to zaszedł również wniosek. 3 Współczynniki pewności Wartość cf jest oparta na dwóch funkcjach: -MB(H,E) – miara wiary (Measure of Belief) – stopień wiary w H, za którym przemawia wystąpienie E. -MD(H,E) – miara niewiary (Measure of Disbelief) – stopień niewiary w H, za którym przemawia wystąpienie E. 4 Współczynniki pewności MB(H,E) oraz MD(H,E) mogą być zdefiniowane za pomocą prawdopodobieństw a priori oraz warunkowych: MD oraz MB mają wartości w przedziale [0,1] 5 Współczynniki pewności Wartość cf można obliczyć jako: 6 Współczynniki pewności Przykład: IF A = X THEN B=Y {cf = 0.7} B=Z {cf = 0.2} Współczynnik cf nie wyraża wartości procentowych, nie jest również wartością statystyczną. Współczynnik cf odzwierciedla wiarę eksperta w daną regułę. 7 Współczynniki pewności Użycie cf w procesie wnioskowania. Należy określic cf dla wniosku danej reguły, znając cf samej reguły oraz stopień pewności przesłanki. cf(H,E) = cf(E) * cf Przykład: IF niebo jest czyste THEN prognoza jest słoneczna {cf = 0.8} oraz cf(niebo jest czyste) = 0.5 cf(slonecznie | niebo czyste) = 0.5 * 0.8 = 0.4 8 Współczynniki pewności W przypadku wielu przesłanek: IF AND ... AND THEN H E1 E2 En {cf} 9 Współczynniki pewności W przypadku wielu przesłanek: IF OR ... OR THEN E1 E2 En H {cf} 10 Współczynniki pewności W przypadku, gdy dwie (lub więcej) reguł wnioskują o tej samej hipotezie: IF A = X THEN C = Z {cf_1=0.8} IF B = Y THEN C = Z {cf_2=0.6} Zdrowy rozsądek podpowiada, że wiara w prawdziwość wniosku powinna wzrosnąć w stosunku do każdej pojedynczej reguły. 11 Współczynniki pewności W przypadku, gdy dwie (lub więcej) reguł wnioskują o tej samej hipotezie: 12 Współczynniki pewności W przypadku, gdy dwie (lub więcej) reguł wnioskują o tej samej hipotezie: Jeśli cf(E1) = 1.0 cf(E2) = 1.0 cf1(H,E1) = cf(E1) * cf1 = 1.0 * 0.8 = 0.8 cf2(H,E2) = cf(E2) * cf2 = 1.0 * 0.6 = 0.6 cf(cf1,cf2) = cf1 + cf2 * (1 – cf1) = 0.8 + 0.6*(1-0.8)=0.92 13 Współczynniki pewności W przypadku, gdy dwie (lub więcej) reguł wnioskują o tej samej hipotezie: Jeśli cf(E1) = 1.0 cf(E2) = -1.0 cf1(H,E1) = cf(E1) * cf1 = 1.0 * 0.8 = 0.8 cf2(H,E2) = cf(E2) * cf2 = 1.0 * 0.6 = -0.6 cf(cf1,cf2) = (0.8 - 0.6) / ( 1 - min[0.8,0.6] )=0.5 14 Współczynniki pewności W przypadku, gdy dwie (lub więcej) reguł wnioskują o tej samej hipotezie: Jeśli cf(E1) = -1.0 cf(E2) = -1.0 cf1(H,E1) = cf(E1) * cf1 = 1.0 * 0.8 = -0.8 cf2(H,E2) = cf(E2) * cf2 = 1.0 * 0.6 = -0.6 cf(cf1,cf2) = cf1 + cf2 * (1 + cf1) = -0.8 – 0.6 * (1 – 0.8) = - 0.92 15 Przykład 3 Prognoza pogody Reguła 1 Reguła 4 IF dziś deszcz THEN jutro deszcz {cf = 0.5} IF dziś deszcz AND opady niskie AND temp. niska THEN jutro słońce { cf = 0.7} Reguła 2 IF dziś słońce THEN jutro słońce {cf = 0.5} Reguła 5 Reguła 3 IF dziś słońce AND temp. wysoka THEN jutro deszcz { cf = 0.65} IF dziś deszcz AND opady niskie THEN jutro słońce {cf = 0.6} Reguła 6 IF dziś słońce AND temp. wysoka AND niebo zachmurzone THEN jutro deszcz { cf = 0.55} 16 Przykład 3 Prognoza pogody Jaka dziś pogoda? Deszcz. Reguła 1 IF dziś deszcz THEN jutro deszcz {cf = 0.5} Reguła 1: cf(jutro deszcz, dzis deszcz) = cf(dzis deszcz) * cf = 1.0 * 0.5 = 0.5 Prognoza: jutro deszcz {0.5} 17 Przykład 3 Prognoza pogody Jakie opady? Niskie. Do jakiego stopnia uważasza je za niskie? [0,1] 0.8 Reguła 3 Reguła 3: IF dziś deszcz AND opady niskie THEN jutro słońce {cf = 0.6} cf(jutro słońce, dzis deszcz AND opady niskie) = min[ cf(dzis deszcz), cf(opady niskie) ] * cf = min[ 1.0, 0.8 ] * 0.6 = 0.48 Prognoza: jutro deszcz {0.5} jutro słońce {0.48} 18 Przykład 3 Prognoza pogody Jaka dziś temperatura? Niska. Do jakiego stopnia uważasza ją za niską? [0,1] 0.9 IF dziś deszcz Reguła 4: AND opady niskie AND temp. niska THEN jutro słońce { cf = 0.7} cf(jutro słońce, dzis deszcz AND opady niskie AND temp. niska) = min[ cf(dzis deszcz), cf(opady niskie), cf(temp. niska) ] * cf = min[ 1.0, 0.8, 0.9 ] * 0.7 = 0.56 Prognoza: jutro deszcz {0.50} jutro słońce {0.56} 19 Przykład 3 Prognoza pogody Ale uwaga! Reguła 3 oraz 4 miały tę samą konkluzję (słońce) ! cf( cf_rule3, cf_rule4) = cf_rule3 + cf_rule4 * (1 – cf_rule3) = 0.48 + 0.56 * (1 – 0.48 ) = 0.77 Ostateczna prognoza: jutro deszcz {0.50} jutro słońce {0.77} 20 Przykład 3 Prognoza pogody Inne reguły nie są odpalane! 21 Bayes vs. CF ● ● ● ● ● Wnioskowanie Bayesowskie – polecane, gdy dostępne są dane statystyczne CF – polecane, gdy prawdopodobieństwa nie są znane CF – prostsze wnioskowanie Bayes – trudności z szacowaniem prawdopodobieństw przez ekspertów Bayes – złożoność wnioskowania rośnie ekspotencjalnie – niepraktyczne dla dużych systemów 22