Anda di halaman 1dari 64

Razonamiento Basado en

Casos (CBR)

Introduccin
Fernando Daz Gmez
E. U. de Informtica Segovia
Universidad de Valladolid

Sistemas Inteligentes

ndice

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin
Sistemas Inteligentes

Qu es Razonamiento basado en casos?

Introduccin

Ms sabe el diablo por viejo que por diablo


(Popular)

Historia en el
La experiencia es la madre de la Ciencia
campo de CBR
(Popular)
Mtodos
fundamentales
de CBR
Representacin Bsicamente, resuelve un nuevo problema
de Casos
recordando situaciones similares anteriores y
Recuperacin
reutiliza el conocimiento y la informacin de
Adaptacin
estas situaciones.
Revisin
Aprendizaje
Sistemas Inteligentes
Ejemplos de
aplicacin

Un ejemplo de CBR

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Queremos decidir el men de una cena. Entre los


invitados hay vegetarianos y Ana, que es alrgica a los
productos lcteos. Como es la temporada del tomate,
queremos usarlos en el plato principal.
Una vez que tena vegetarianos a cenar prepar pastel de tomate como
plato principal y tuve mucho xito.
Pero este plato contiene queso y Ana no lo puede comer.
Sin embargo, recuerdo que en otras ocasiones he adaptado recetas para
Ana, sustituyendo el queso por tofu. Podra hacerlo as, pero no s
como resultar el pastel de esta forma.
Decidimos descartar la tarta de tomate.
Estara bien hacer pescado a la parrilla. Aunque la ltima vez descubr
que a Elena no le gusta el pescado y tuve que hacer unos perritos
calientes a ltima hora.
Sin embargo, recuerdo que en una ocasin Elena comi pez espada.
Quiz sea de esas personas a las que les gusta el pescado que parece
carne.
Sistemas Inteligentes
Creo que me arriesgar con el pez espada

Un ejemplo de CBR

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

En este ejemplo se ha razonado sobre casos


previos para distintos objetivos:
Como medio para resolver un problema nuevo:
sugerir pastel de tomate como plato principal.
Para sugerir una adaptacin para una solucin
imperfecta: sustituir el queso por tofu.
Para advertir sobre posibles fallos: en una ocasin
Elena no quiso comer pescado.
Para interpretar una situacin: Por qu Elena
come pescado en unas ocasiones y en otras no?

Sistemas Inteligentes

CBR como modelo del razonamiento humano


Los seres humanos resolvemos muchos
problemas razonando con casos previos:
Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin y
Herramientas

Los abogados usan en sus argumentaciones el


veredicto de casos previos sobre el sistema
judicial anglosajn Los mdicos buscan conjuntos de sntomas que
identifican al paciente con algn conjunto de casos
previos
Los ingenieros toman muchas de sus ideas de
soluciones previas ya construidas con xito
Plausibilidad
psicolgica:
El reutilizan
CBR es un
modo
Los programadores
expertos
esquemas
natural
razonamiento
delas
lossoluciones
seres humanos.
ms ode
menos
abstractos de
En la vida diaria, donde la mayor parte de las
tareas son de una u otra forma repetitivas: ir a un
establecimiento, confeccionar el men de la
Sistemas Inteligentes
semana,
organizar un viaje.

CBR como metodologa

Introduccin

El CBR es una metodologa que emplea diferentes


tecnologas para la construccin de sistemas expertos,
alternativa a los sistemas basados en reglas.
Sistemas expertos basados en reglas, la aproximacin
clsica:

Hechos conocidos sobre el dominio


Historia en el
Reglas de la forma IF-THEN
campo de CBR
Motor de inferencia: razonamiento hacia delante, razonamiento
Mtodos
hacia atrs, generacin y prueba
fundamentales
de CBR
El cuello de botella en la construccin de sistemas
Representacin
expertos basados en reglas radica en la obtencin del
de Casos
conocimiento.
Recuperacin
Hay algn experto dispuesto a dedicar el tiempo necesario para
sacar a luz el conocimiento? Hay alguno capaz de hacerlo?
Adaptacin
El experto y el ingeniero de conocimiento hablan el mismo
Revisin
idioma?
Aprendizaje
Es posible representar formalmente el conocimiento obtenido?
Sistemas Inteligentes
Ejemplos de
aplicacin

Ventajas del CBR


Ventajas del CBR en la adquisicin de conocimiento:

Introduccin

Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

A los expertos les resulta ms sencillo contar batallitas que


proporcionar reglas de aplicacin general.
Mediante el CBR se pueden proponer soluciones en dominios que
no se comprenden de todo
Es posible evaluar las soluciones cuando no existe ningn
mtodo algortmico para hacerlo
Resulta ms sencillo adquirir nuevos casos que descubrir reglas y
generalizaciones nuevas

Es ms rpido reutilizar una solucin previa que obtener la


solucin desde cero.
es especialmente
en dominios
El
Los CBR
casos ayudan
a un razonadoradecuado
a concentrarse
en los
aspectos
importantes deyun
problema,
al identificar las
poco
formalizados
donde
el aprendizaje
juega
caractersticas
definitorias.
un
papel preponderante
Los casos pueden proporcionar tambin informacin
negativa, alertando sobre posibles fallos (excepciones)
Mantenimiento de la base de conocimiento: los usuarios
pueden aadir
nuevos
casos sin ayuda de los expertos.
Sistemas
Inteligentes
Aceptacin de los usuarios.

Tipos bsicos de sistemas CBR


Interpretacin de Situaciones.

Introduccin
Historia en el
campo de CBR

Objetivo: formular
un juicio o clasificar
una situacin

Determinar las caractersticas relevantes de la situacin


actual.
Recuperar casos- ya clasificados o interpretados- con
caractersticas similares.
Comparar la situacin actual con los casos recuperados
para determinar qu interpretacin es aplicable.
Utilizando los casos previos como justificacin de la
eleccin.
Guardar la situacin actual junto con su interpretacin y
su justificacin como un nuevo caso. Objetivo: aplicar la

Mtodos
fundamentales
de CBR
Representacin
solucin a un
de Casos
Resolucin de problemas
problema pasado
Recuperacin
Determinar las caractersticas relevantes
problema.
paradel
obtener
la
solucin
del
Adaptacin
Recuperar casos que resuelven problemas
similares.
problema actual
Revisin
Adaptar la solucin de los casos recuperados al problema
actual.
Aprendizaje
Sistemas
Inteligentes actual junto con su solucin como
Ejemplos de
Guardar
el problema
aplicacin
un nuevo caso.

Las tareas centrales que todos los mtodos de


CBR deben tratar son:
Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

encontrar un caso anterior similar al nuevo


problema que se quiere resolver,
usar el caso para sugerir una solucin al problema a
tratar,
evaluar la solucin propuesta y
actualizar el sistema aprendiendo la nueva
experiencia.

Representacin
El paradigma de los CBRs cubre un rango de
de Casos
diferentes mtodos para organizar,
Recuperacin
recuperar, utilizar e indexar el conocimiento
Adaptacin
Revisin
retenido en casos pasados.
Aprendizaje
Sistemas Inteligentes
Ejemplos de
aplicacin

Tipos principales de mtodos CBR


Razonamiento basado en ejemplares.

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

Sistemas CBR que se centran en el aprendizaje de definiciones


de conceptos.
Un concepto se define por su extensin: el conjunto de
ejemplares
El sistema se limita a realizar clasificacin, asignndole una
categora (concepto) al caso nuevo. Sin adaptacin.

Razonamiento basado en la memoria.

Se hace especial hincapi en la organizacin y el acceso a


grandes memorias de casos.
Es caracterstico el uso de tcnicas de procesamiento paralelo.

Representacin Razonamiento basado en casos.


de Casos
Cierta complejidad en la representacin de los casos.
Recuperacin
Incluyen mecanismos de adaptacin.
Adaptacin
Incluyen algn tipo de conocimiento de propsito general.
Revisin
Razonamiento basado en analogas.
Aprendizaje
Intentan resolver un nuevo problema utilizando casos antiguos
Sistemas Inteligentes
Ejemplos de
provenientes
de un dominio de conocimiento diferente.
aplicacin

Ciclo de vida de un CBR

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Nuevo
problema

(1) RECUPERAR
Casos
ms similares

MEMORIA
(2) ADAPTAR
CASOS
PREVIOS
(4) RETENER
Soluci
Solucin
Confirmada

Sistemas Inteligentes

(3) REVISAR

Soluci
Solucin
Propuesta

Conocimiento incluido en los casos

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Qu es un caso? Un caso es una pieza


contextualizada de conocimiento que representa una
experiencia que ensea una leccin fundamental para
alcanzar los objetivos del razonador (Kolodner &
Leak).
El conocimiento del caso es aplicable siempre que se
presente un determinado contexto.
No todas las situaciones ensean una leccin.
Casos redundantes
Casos cubiertos por el conocimiento general

Qu lecciones puede ensear un caso?


Cmo conseguir uno o varios objetivos
Cmo alcanzar el estado necesario para poder lograr un
objetivo
Qu problemas se pueden plantear a la hora de lograr un
objetivo
Sistemas Inteligentes

Conocimiento general

Conocimiento de similitud
Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

Reglas de adaptacin
Generalizaciones de los casos

Representacin Modelos de dominio que se utilizan en las


de Casos
distintas fases del CBR
Recuperacin
Adaptacin
Revisin
Aprendizaje
Sistemas Inteligentes
Ejemplos de
aplicacin

El contenido de los casos


Descripcin de la situacin o el problema
Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

Objetivos
Restricciones para la consecucin de los objetivos
Caractersticas de la situacin

Solucin
La solucin
Cmo se obtuvo la solucin
Justificaciones de las decisiones tomadas en la
solucin

Representacin
de Casos
Resultado
Recuperacin
Si tuvo xito o no
Adaptacin
En caso de fallo
Revisin
Por qu fall
Aprendizaje
Qu
estrategia
de reparacin se aplic
Sistemas
Inteligentes
Ejemplos de
aplicacin

Tareas en la fase de Recuperacin

1. Valoracin de la situacin.

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Determinar las caractersticas que permiten


encontrar casos relevantes
Se debe limitar el coste de la obtencin de los
ndices

2. Bsqueda en la memoria para encontrar los casos


que guardan una similitud por encima de cierto
umbral. Comparacin superficial.

El procedimiento de bsqueda depender de la


organizacin- la estructura de datos- de los casos
En ocasiones, los casos se organizan
automticamente utilizando mtodos de
aprendizaje mquina.

3. Ordenacin de los casos recuperados.


4. Seleccin
del caso mejor
Sistemas Inteligentes

Tareas en la fase de Adaptacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

1. Se utiliza el conocimiento incluido en el


caso recuperado para resolver/clasificar el
problema actual.

Sin modificar. La solucin es vlida o es el usuario


quien se encarga de adaptarla o interpretarla
Modificando. Se adapta la solucin (resolucin de
problemas) o la justificacin (interpretacin de
situaciones) de los casos recuperados.

Representacin
2. Tipos de adaptacin.
de Casos
Recuperacin
Sin modificar la estructura. Insertar elementos,
Adaptacin
eliminar elementos, sustituir elementos.
Revisin
Transformando la estructura.
Aprendizaje
Sistemas Inteligentes
Ejemplos de
aplicacin

Tareas en la fase de Adaptacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Mtodos de adaptacin.

Mtodos basados en sustitucin (Reinstanciacin,


Ajuste de parmetros, Bsqueda local, Bsqueda
en la memoria, Bsqueda especializada,
Sustitucin basada en casos).

Mtodos basados en transformacin


(Transformaciones de sentido comn: Heursticas
generales, Reparacin guiada por un modelo: se
apoya en un modelo causal).

Adaptacin y reparacin de propsito especial

Sistemas
Inteligentes
Analoga
derivacional

Tareas en la fase de Revisin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

1. Es correcta la solucin propuesta?


2. La evaluacin de la solucin se realiza fuera
del sistema CBR

Respuesta de un experto (o del usuario)


Simulacin

3. Reparacin de los fallos

Se identifican las causas del fallo


Se solicita una explicacin del fallo de las
expectativas
Se solicita una reparacin o el propio sistema se
encarga de aplicar estrategias de reparacin

Representacin
de Casos

Recuperacin
Adaptacin
4. Si el sistema poda llegar a la solucin
Revisin
correcta, por qu no lo hizo al primer
Aprendizaje
Sistemas Inteligentes
intento?
Ejemplos de
aplicacin

Tareas en la fase de Aprendizaje


1.
2.

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

3.
4.

En CBR el razonamiento y el aprendizaje estn


ntimamente ligados
Un sistema CBR mejora con el uso al ir adquiriendo
nuevas experiencias que integra adecuadamente
Mejora la eficiencia del sistema al disponer de ms
casos a partir de los cuales obtener soluciones
Tareas del aprendizaje:

Extraccin de la informacin a recordar (la descripcin,


la solucin, el resultado, la justificacin de la solucin,
las causas de fallo,)
Obtencin de los ndices que sirven para clasificar la
nueva informacin
Integracin del conocimiento. Ubicacin del nuevo caso
en el lugar correcto dentro de la base de casos,
incorporacin de nuevos ndices, reorganizacin de los
ndices, construccin de abstracciones de los casos.
Sistemas Inteligentes

Cuestiones a considerar

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales

de CBR
Representacin
de Casos

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

De qu partes se compone un caso?

Descripcin del problema


Descripcin de la solucin
Resultado, si admitimos que el sistema se pueda
equivocar (opcional)

Qu tipo de conocimiento se incluye en cada parte?


Qu formalismos de representacin son adecuados?

Sistemas Inteligentes

Representacin del problema

Describe el estado del mundo al comenzar el


razonamiento

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales

de CBR
Representacin
de Casos

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Situacin a interpretar o clasificar


Problema a resolver, o artefacto a disear

Total o parcialmente se utiliza para determinar la


similitud entre los casos
Tres posibles componentes:

Objetivos que consigue el caso: diagnosticar,


evaluar, explicar, Slo se representa
explcitamente cuando hay varios objetivos posibles
Restricciones impuestas sobre los objetivos: se debe
tener en cuenta en la solucin
Otras caractersticas del problema se pueden tener en
cuenta en la solucin
Sistemas Inteligentes

Contenido de las soluciones

Elementos que pueden formar parte de las


soluciones:

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

La propia solucin: el artefacto, el plan o la


interpretacin.
Los pasos del razonamiento que se han utilizado para
resolver el problema:

Justificaciones de las decisiones tomadas para la


resolucin, para as:

Operadores aplicados
Qu casos se han utilizado y cmo se han adaptado
Reglas aplicadas

Guiar la adaptacin
Qu casos se han utilizado y cmo se han adaptado
Reglas aplicadas

Soluciones aceptables que no se eligieron (y por qu)


Soluciones inaceptables que se descartaron (y por qu)
Las expectativas
sobre el resultado de la aplicacin
Sistemas Inteligentes

Resultado de los casos

Elementos que pueden formar parte del resultado:

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

El propio resultado (a veces desde diferentes puntos de


vista)
Si el resultado se ajusta o no a las expectativas de la
solucin
Si el resultado es de xito o de fracaso
Una explicacin del fallo o de la violacin de las
expectativas
Estrategia de reparacin
Qu se podra haber hecho para evitar el problema
Un puntero al siguiente intento de solucin (resultado de
la reparacin)

La informacin representada en el resultado permite

Saber si se debe aplicar la solucin


Detectar carencias en el modelo (las expectativas no
coinciden con el resultado)
Anticipar
y explicar fallos futuros
Sistemas Inteligentes
Obtener soluciones que corrigen fallos previos

Representacin plana

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Un dominio plano es aquel en el que todos los casos


se representan utilizando los mismos atributos
Nombre del Hotel

Precio

Pas

Mes

Caso 1

Maharaja

125

India

Abril

Caso 2

Cairo

200

Egipto

Junio

Caso 3

Son representaciones derivadas de la lgica


proposicional que se pueden hacer ms sofisticadas
mediante:

Smbolos ordenados
Smbolos organizados de forma taxonmica
Posibilidad de definir valores como una disyuncin
Definicin de reglas que limitan el rango de los
atributos si mes = junio entonces precio [150, 300]
Sistemas Inteligentes

Representacin estructurada

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Distintas entidades del dominio vienen expresadas


por atributos diferentes y existen relaciones entre las
partes de los casos

Caso (Precio, Pas, Mes)

Hotel (Categora, tipo de bao)

Habitacin 1 (Tipo de Cama)

Apartamento (Cocina, N de Habitaciones)

Habitacin 2 (Tipo de Cama)

Habitacin 3 (Tipo de Cama)

Son representaciones basadas en la lgica de


predicados
Sistemas Inteligentes

Tecnologas utilizadas en la representacin de


casos

Lista de pares atributo-valor


Bases de datos
Introduccin
Historia en el
Sistemas de marcos y redes semnticas,
campo de CBR
modelos de memoria
Mtodos
fundamentales rboles de decisin
de CBR
rboles K-d
Representacin
de Casos
Redes de activacin
Redes de recuperacin de casos

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

Cuestiones a tratar
1.
2.

Objetivo de la recuperacin: obtener el caso ms


relevante para el problema a resolver
Eleccin de los ndices

Cmo se asignan etiquetas (atributos) a los casos para que


Introduccin
luego sean recuperados cuando resulten tiles
Historia en el
campo de CBR 3. Estructura de la base de casos

Cmo se organizan los casos de forma que la bsqueda se


Mtodos
pueda llevar a cabo de forma eficiente y precisa
fundamentales

Qu subconjunto de los ndices se debe utilizar para


de CBR
construir la estructura
Representacin
de Casos
4. Medidas de similitud
Recuperacin

Cmo se mide la relevancia de un caso para el problema a


resolver

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

5.

Algoritmo de recuperacin

Cmo se junta todo lo anterior


Sistemas Inteligentes

1.

2. Eleccin de ndices

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

La caracterstica fundamental de un ndice


es que sea predictivo: permita identificar
las situaciones en las que los casos puedan
aportar informacin til.
Se puede indexar por caractersticas
profundas o superficiales (hay que llegar a
un compromiso entre eficiencia y precisin)
ndices abstractos o concretos:

Los ndices han de ser lo bastante abstractos


como para que el caso sea til en un nmero
suficiente de situaciones
Los ndices han de ser lo bastante concretos como
para que sean fcilmente reconocibles
Se deben
tomar ndices lo ms abstractos posibles
Sistemas Inteligentes
cuanto ms diferentes sean los casos a reutilizar.

1.

2. Eleccin de ndices

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

La eleccin de ndices requiere comprender el


dominio, an mejor comprender las necesidades del
usuario

Los ndices deben anticipar el vocabulario que usar el


usuario
Se debe indexar por los conceptos que normalmente
utilizan al describir los elementos indexados
La indexacin debe anticiparse a las circunstancias en
las que el usuario realizar la recuperacin

Tanto los atributos como el vocabulario se


determinan a partir de

El conjunto de casos disponibles


El rango de tareas en las que se pretende aplicar los
casos. No es lo mismo utilizar un conjunto de casos
sobre ajedrez para un sistema experto sobre este tema,
que para un sistema sobre estrategia en juegos con
contrario
Sistemas Inteligentes

1.

2. Eleccin de ndices

Una metodologa general


1.

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

2.
3.
4.
5.

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Recolectar un conjunto representativo de casos.


(Representativos de los problemas, los contextos, las
soluciones y los resultados)
Identificar las distintas moralejas que se pueden
extraer de cada caso
Para cada moraleja, se identifican las situaciones
donde es aplicable
Para cada situacin, se obtienen sus caractersticas
distintivas, los ndices
Se escogen los atributos y los valores que permiten
representar dichos ndices

Es aconsejable elegir el vocabulario teniendo en


cuenta futuras extensiones del sistema
La eleccin de los ndices es un proceso iterativo
Sistemas Inteligentes

1.

3. Organizacin de la base
de casos

Compromiso entre eficiencia y precisin

Introduccin

Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Si no comparo con todos los casos, puedo asegurar que


he encontrado el mejor?

Posibilidades

Organizacin lineal
Organizacin estructurada

Modelos de memoria
rboles de decisin
rboles k-d
Redes de activacin

Organizacin mixta

En las hojas de la estructura hay ms de un caso

Sistemas Inteligentes

1.

Organizacin lineal

Caractersticas

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Garantiza que se recuperarn todos los casos similares


Funciona bien cuando se trabaja con un nmero
pequeo de casos y la mayora de los atributos son
relevantes

Mejoras en la eficiencia

Archivos de ndices invertidos

Cada par atributo-valor se enlaza con todos los casos que


lo contienen
Slo se compara con los casos que tienen al menos un
ndice comn
Problema: qu ocurre si el mejor caso no tiene ningn
ndice en comn con el caso actual?

Particionar la base de casos


Bsqueda en paralelo
Sistemas Inteligentes

1.

rboles de decisin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

rboles de decisin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

Construccin de rboles
de decisin: ID3

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

La construccin de todos los posibles


rboles de bsqueda tiene complejidad
exponencial.
Solucin: ID3 un algoritmo de bsqueda
heurstica

Algoritmo voraz: escalada


Teora de la informacin para estimar el mejor
candidato
Se consigue complejidad lineal
Indirectamente realiza una seleccin automtica
de ndices

Sistemas Inteligentes

1.

2.
3.
4.
5.

El algoritmo ID3

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Datos sobre los que opera el algorimo

Conjunto de ejemplo
E = {e1, , eq}

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Conjunto de clases a las que pueden pertenecer los


ejemplos
C = {c1, , cq}

Conjunto de atributos definidos sobre los elementos


A = {a1, , aq}

p conjuntos con los valores posibles para cada atributo


Vi = {vi1, , cin} i [1 .. p]

Una funcin clase que determina la clase a la que


pertenece cada ejemplo
Clase: E -> C

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Una funcin v que determina el valor de cada atributo


en cada ejemplo
Valor: E x A -> U Vi

i= 1..p

Sistemas Inteligentes

1.

El algoritmo ID3

El objetivo de cada iteracin del algoritmo es

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Obtener el atributo ai A en base al cual ramificar el


nodo problema
Se seleccionar aqul que mejor discrimine entre el
conjunto de ejemplos
El atributo ms discriminante ser aquel que conduzca
a un estado con menor entropa.

La entropa se define utilizando los resultados de la


teora de la informacin

La entropa de un nodo

Sistemas Inteligentes

1.

El algoritmo ID3

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

La entropa del conjunto de nodos que se obtienen al


ramificar utilizando el atributo ai, es igual a la suma
de las entropas de los nodos resultantes de fijar el
valor del atributo multiplicadas por la probabilidad
de cada valor.

Sistemas Inteligentes

1.

El algoritmo ID3

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Aplicado al ejemplo anterior


E = {1, , 10}
A = {Lluvia, suelo, topografa}
C = {nulo, medio, grave}
V1 = {baja, importante, intensa}
V2 = {hmedo, empapado}
V3 = {suave, escarpada}

Primera iteracin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

El algoritmo ID3

Introduccin
Historia en el
campo de CBR

Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Por lo tanto el atributo elegido es lluvia

En la siguiente iteracin se vuelve aplicar el


algoritmo sobre cada uno de los tres nuevos nodos,
considerando en cada uno el subconjunto de
ejemplos obtenido y habiendo eliminado el atributo
lluvia del conjunto de atributos
Terminacin

La expansin de un nodo se detiene cuando todos sus


ejemplos pertenecen a la misma clase (entropa nula)
El proceso se detiene cuando no se puede seguir
expandiendo ningn nodo
Inteligentes
A las Sistemas
hojas se
les asigna la clase a la pertenecen todos
sus ejemplos

1.

El algoritmo ID3

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

Arboles k-d

Introduccin
Historia en el

campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Cada nodo representa un subconjunto de casos


Son rboles binarios de bsqueda con k atributos
Se detiene cuando el nmero de casos en las hojas
est por debajo de un cierto umbral
Particiona el espacio k-dimensional en porciones
conexas

Sistemas Inteligentes

1.

Arboles k-d

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

4. Medidas de similitud

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR

Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Propiedades de las funciones de similitud

Reflexiva
Simtrica
No tiene que ser transitiva

Se puede refinar el clculo de

Similitud entre atributos (similitud local)


Similitud entre casos (similitud global)

Sistemas Inteligentes

1.

Similitud local

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Las posibles funciones dependen del tipo de


atributo a comparar

Numrico o simblico (los simblicos pueden estar


ordenados o no, e incluso se pueden organizar de
forma taxonmica)
Univaludado o multivaluado

Atributo simblico univaluado

Atributo numrico univaluado

Siendo long(L)
la longitud del intervalo L.
Sistemas Inteligentes

1.

Similitud local

Introduccin
Historia en el
campo de CBR

Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Atributo simblico multivaluado

Atributo simblico ordenado univaluado

Siendo ord(a) el ordinal del valor a


A los atributos simblicos ordenados se les puede
aplicar las mismas funciones que a los numricos
siempre que se disponga de una funcin que
calcule
el ordinal de un elemento y otra que
Sistemas Inteligentes
calcule la cardinalidad del conjunto de valores

1.

Similitud local

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Atributo numrico multivaluado

Simblico jerrquico univaluado

Donde prof(n)
es la profundidad del rbol hasta el
Sistemas Inteligentes
nodo n.

1.

Similitud global

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Combina los resultados de las similitudes


locales. En abstracto
SIM (A,B) = F(sim(a1, b1), sim(a2, b2), , sim(ap, bp))
Donde F:[0,1]p -> [0,1]

Algunas funciones son:

Sistemas Inteligentes
Medidas
de similitud

1.

5. Recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales

de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

La recuperacin es un proceso de bsqueda


del vecino ms prximo, o en general los k
vecinos ms prximos, en el espacio mtrico
p-dimensional definido por los p atributos
de los casos y las funciones de similitud
local.
Recuperacin en una estructura lineal

Se usan estructuras de datos ms


sofisticadas para conseguir una eficiencia
mayor Sistemas
que O(n),
Inteligentessiendo n el nmero de
casos

1.

Recuperacin en rboles
de decisin

Introduccin
Historia en el
campo de CBR
Mtodos

fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Se sigue el camino indicado por los atributos de la


consulta hasta llegar a una hoja
No est garantizado que se recuperen todos los casos
relevantes

Distintos rboles de decisin pueden recuperar


conjuntos de casos diferentes

Problema: qu ocurre si los casos a partir de los


cuales se construye el rbol no incluyen todos los
posibles valores de los atributos?

Al descender por el rbol no se escoge la rama con el


mismo valor sino aquella con el valor ms parecido

Problema: qu ocurre cuando falta algn atributo en


la consulta?

Se consideran para l todos los valores posibles


Se determina cul es el valor ms probable
Sistemas Inteligentes

1.

Recuperacin en
rboles k-d

Recuperacin exacta o aproximada?

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Medidas experimentales demuestran que la


recuperacin exacta del vecino ms prximo utilizando
rboles k-d en espacios con ms de 8 dimensiones no
mejoran significativamente la bsqueda exhaustiva
Es por ello, que se utiliza la bsqueda aproximada,
fijando un margen de error , alcanzndose as un
compromiso entre precisin y eficiencia.

Entrada del algoritmo de recuperacin aproximada

Una consulta donde se especifican todos los atributos


de indexacin
La distancia mxima alrededor de la consulta (la
distancia es el inverso de la similitud)
La raz del rbol k-d donde estn indexados los casos
Sistemas Inteligentes

1.

Recuperacin en
rboles k-d

Algoritmo
1.

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

2.
3.

Se inicializa la lista de casos recuperados como una


lista vaca
Se inicializa la lista de nodos a considerar con la raz
del rbol
Mientras que queden nodos en la lista de nodos, se
extrae el primero de ellos
1. Si el nodo es una hoja, se compara la consulta de cada
uno de los casos almacenados en l, y se aaden a la lista
de casos recuperados aquellos que estn a una distancia
menor que
2. Si el nodo no es una hoja, para cada uno de sus dos hijos
se comprueba si la esfera de radio centrada en la
consulta intersecta con el rea definida por el hijo, si es
as se aade ste a la lista de nodos
Sistemas Inteligentes

1.

Recuperacin en
rboles k-d

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

Recuperacin en
rboles k-d

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Sistemas Inteligentes

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

1.

Uso de diferentes
tecnologas

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

2.
3.
4.
5.

Objetivo de la recuperacin: obtener el


caso ms relevante para el problema a
resolver
Eleccin de los ndices
Estructura de la base de casos
Medidas de similitud
Algoritmo de recuperacin

Bajo la perspectiva de la metodologa CBR,


es posible utilizar diferentes tecnologas en
esta fase:

Redes Neuronales
Lgica Difusa
Algoritmos Genticos

Sistemas Inteligentes

Tipos de adaptacin

Sin adaptacin

Introduccin
Historia en el

campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Un gran nmero de sistemas CBR no realizan adaptacin.


No es necesario que el sistema la realice para que resulte
til repartamos el trabajo entre mquinas y humanos de
forma que cada uno haga lo que mejor sabe hacer

Mtodos basados en sustitucin

Reinstanciacin
Ajuste de parmetros
Bsqueda local
Bsqueda en la memoria
Bsqueda especializada
Sustitucin basada en casos

Cada sistema
incluye su propio
mecanismo

Mtodos basados en transformacin

Transformaciones de sentido comn


Reparacin guiada por un modelo

Otros mtodos

Adaptacin
y reparacin de propsito especial
Sistemas Inteligentes
Analoga derivacional

Bsqueda especializada

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin

Revisin
Aprendizaje
Ejemplos de
aplicacin

Es un mtodo basado en sustitucin donde se


representan instrucciones acerca de cmo encontrar
los sustitutos
Un ejemplo SWALE

Len Bias es un jugador de baloncesto con buena salud


que sufri una bajada de tensin y se mare
Jim Fixx es un corredor de fondo que tambin sufri
una bajada de tensin y se mare mientras corra.
Tiene un defecto en el corazn que no haba sido
detectado. Las carreras sometieron su corazn a
demasiada presin
Herurstica de bsqueda

Consltense las actividades que realizaba Len Bias y, para


cada una de ellas, considrense las acciones que se suelen
realizar en dicha actividad

Sistemas Inteligentes

Qu buscar y donde buscar?

Introduccin
Historia en el
campo de CBR

Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

La recuperacin ha tenido xito y tenemos un buen


candidato para adaptar.

Problemas en la adaptacin

Qu sustituimos?
Cmo afecta a la solucin un cambio en la descripcin?
Representacin explcita de relaciones de dependencia

Dnde se encuentra un sustituto?


Se siguen las instrucciones implcitas en el caso recuperado

Sistemas Inteligentes

Uso de diferentes tecnologas

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Al igual que en la fase de recuperacin, es


posible utilizar diferentes tecnologas en
esta fase:

Redes Neuronales
Lgica Difusa
Algoritmos Genticos

Sistemas Inteligentes

Tareas de la fase de revisin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Evaluar la solucin. La evaluacin coge el


resultado de aplicar la solucin propuesta
por el sistema CBR al mundo real
(preguntndole a un experto o
ejecutndolo). Tambin se pueden aplicar
tcnicas de simulacin para generar una
solucin correcta.
Reparar fallos. Implica detectar errores de
la solucin actual y recuperar o generar
explicaciones para ellos.
Sistemas Inteligentes

Tareas de la fase de aprendizaje

Introduccin
Historia en el
campo de CBR
Mtodos

fundamentales
de CBR
Representacin
de Casos

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

Extraccin de la informacin a recordar (la


descripcin, la solucin, el resultado, la
justificacin de la solucin, las causas de
fallo,)
Obtencin de los ndices que sirven para
clasificar la nueva informacin
Integracin del conocimiento. Ubicacin del
nuevo caso en el lugar correcto dentro de la
base de casos, incorporacin de nuevos
ndices, reorganizacin de los ndices,
construccin de abstracciones de los casos.
Sistemas Inteligentes

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin

CHEF
CLAVIER
HYPO

Algunos Sistemas CBR

Sistemas Inteligentes

Razonamiento Basado en
Casos (CBR)

Introduccin
Fernando Daz Gmez
E. U. de Informtica Segovia
Universidad de Valladolid

Sistemas Inteligentes