Apostila KDD Mbi

REDES NEURAIS - UMA FERRAMENTA
PARA KDD E DATA MINING
Antonio Carlos Gay Thomé

Redes Neurais – Uma Ferramenta para KDD e Data Mining
SUMÁRIO
Introdução ____________________________________________________________________ 4
Data Warehouse _______________________________________________________________ 6
Data Mart __________________________________________________________________ 9
KDD – Knowledge Discovery ____________________________________________________ 11
Data Mining _________________________________________________________________ 13
Principais Objetivos de um Data Mining _______________________________________ 14
Aplicações para Data Mining _________________________________________________ 15
Marketing ________________________________________________________________ 15
Vendas __________________________________________________________________ 16
Finanças _________________________________________________________________ 16
Manufatura _______________________________________________________________ 16
Saúde ___________________________________________________________________ 16
Energia __________________________________________________________________ 17
Redes Neurais ________________________________________________________________ 18
O Paradigma do modelo neural _______________________________________________ 18
Um Breve Histórico _________________________________________________________ 19
Alguns Conceitos Básicos ____________________________________________________ 20
O Neurônio Artificial _______________________________________________________ 21
O Modelo Neural __________________________________________________________ 23
Estrutura de uma Rede Neural ________________________________________________ 23
Projeto de um Sistema Neural ________________________________________________ 25
Treinamento de uma Rede Neural _____________________________________________ 26
Aprendizado ______________________________________________________________ 27
PRW – Uma Ferramenta para Data Mining ________________________________________ 28
Como obter uma cópia_______________________________________________________ 28
Tutorial On-Line ___________________________________________________________ 28
Componentes do PRW_______________________________________________________ 28
Guia para Utilização ________________________________________________________ 29
Como Carregar (importar) a base de dados ______________________________________ 29
Como criar um experimento __________________________________________________ 29
Como selecionar as variáveis de entrada e de saída ________________________________ 29
Como selecionar o conjunto para treinamento e para teste __________________________ 29
Como monitorar os experimentos _____________________________________________ 30
Como configurar um modelo _________________________________________________ 30
Como especificar os parâmetros do algoritmo de treinamento _______________________ 31
Como especificar os parâmetros de configuração dos relatórios ______________________ 31

Como executar um experimento (treinamento da rede) _____________________________ 31
Como verificar o desempenho do modelo _______________________________________ 32
Como preparar a rede para operação – configurando uma função_____________________ 32
Como usar a rede sobre novos dados___________________________________________ 32
Como Salvar um Experimento ________________________________________________ 33
Como sair do PRW_________________________________________________________ 33
Estudo de Casos_______________________________________________________________ 34
Caso 1 – Planejamento de Vendas _____________________________________________ 34
Caso 2 – Planejamento de Marketing I _________________________________________ 37
Caso 3 – Planejamento de Marketing II ________________________________________ 41
Caso 4 – Diagnóstico Médico _________________________________________________ 45
Caso 5 – Aplicação Financeira ________________________________________________ 47
Referências Bibliográficas ______________________________________________________ 49
Antonio Carlos Gay Thomé Inteligência Computacional 3

Introdução
O crescimento explosivo das bases de dados, sejam elas administradas pelo
governo, pela sociedade civil ou pelas entidades de pesquisa, vem ultrapassando em
muito, a capacidade humana de interpretar e digerir o volume de dados disponível. Esta
realidade vem fazendo surgir a demanda por uma nova geração de ferramentas e técnicas,
que possibilitem uma análise automática e mais inteligente destas bases de dados.
“We’re interested in techniques that automatically find fundamental properties

and principles that are original and useful.”
Toshinori Munakata[Toshinori99]
Nesta última década, graças aos avanços nas técnicas de aquisição e de

armazenamento, presenciamos um crescimento explosivo na capacidade das pessoas em
gerar e coletar dados. Avanços nas técnicas de aquisição de dados científicos
incorporando, por exemplo, sensores remotos e satélites; a introdução do código de
barras, que possibilitou a automatização comercial e o surgimento dos pontos de venda e,
mais recentemente, as técnicas de gerenciamento eletrônico de documentos, são fontes
geradoras de grandes volumes de dados.
No lado do armazenamento, os avanços tecnológicos dos computadores, cada vez
mais velozes, relativamente mais baratos e com maior capacidade de armazenamento,
dotados de sistemas de gerenciamento de banco de dados cada vez melhores e a
tecnologia de data warehouse, vêm possibilitando o acúmulo de verdadeiras montanhas de
dados corporativos.
Hoje já é relativamente comum encontrar-se bases de dados da ordem de trilhões
de bytes (terabytes). Na área comercial, um dos maiores bancos de dados do mundo, com
mais de 20 milhões de transações por dia, é o administrado pela cadeia Wal-Mart. A Mobil
Oil está desenvolvendo um data warehouse com informações relativas a exploração de
petróleo, com capacidade de armazenamento acima de 100 terabytes.
“As wave after wave of new information technology hits the market and slowly
gets assimilated into daily operations, the risks (and rewards) grow higher for
those who have placed their bets on the technology roulette wheel.”
Joseph P. Bigus [Bigus96]
Nestas últimas três décadas o computador evoluiu de uma posição de uso limitado
a automação de algumas operações rotineiras, principalmente nas áreas administrativa e
financeira, para um uso mais abrangente e profundo, oferecendo soluções e respostas para
os mais diferentes níveis do processo empresarial. Não apenas a tecnologia computacional
mudou, mas também, e principalmente, a forma como ela é vista e usada no mundo dos
negócios.
Em 1981 tivemos o nascimento do IBM PC que, usando um processador Intel 8088
de 16 bits, uma memória RAM de 64Kbytes e apenas um floppy disk de 5 ½”, foi lançado
no mercado pelo singelo valor de US$3000. O primeiro disco rígido a aparecer no mercado
foi o Seagate 5.25”, com capacidade de armazenar apenas 5Mbytes de dados. Hoje,
passados vinte anos, com os mesmos US$3000, podemos adquirir um computador dual
com dois processadores Pentium III de 1GHz, 512Mbytes de RAM, 40Gbytes de
armazenamento em disco rígido e mais um número de outros recursos inexistentes na
época, como CD-ROM, DVD, Zip Drive, placa de rede, etc.
As bases de dados hoje ganharam status e passaram a ser vistas como bem de
capital da empresa. Os dados operacionais representam o estado corrente dos negócios e,
quando combinados com dados históricos, podem dizer onde estamos, de onde viemos e
para onde vamos. Premidos pela necessidade de tomar decisões em tempo cada vez mais
curto, os executivos atuais precisam dispor de informações rápidas e precisas que lhes
sirvam de suporte. Segundo a revista HSM Management, o planejamento estratégico é a
ferramenta mais utilizada pelos executivos nesta última década.
Ter informações on line apenas não é mais o suficiente. Há tempos que as
tradicionais consultas e relatórios gerenciais perderam a capacidade de proporcionar ao
executivo algum diferencial competitivo. Ferramentas avançadas de análise de dados,
conhecidas como OLAP (OnLine Analytical Processing), oferecem a possibilidade de uma
análise interativa através de diferentes formas de agregação dos dados e apresentação dos
resultados na forma de tabelas (2D) ou na forma de gráficos em 3D. Porém, o que observa
é que mesmo estas ferramentas já não respondem aos desafios impostos pelo cotidiano da
competitividade empresarial.
O que o mercado procura hoje são maneiras ou técnicas que permitam tirar maior
proveito do investimento feito na coleta e no armazenamento de montanhas de dados
sobre o seu negócio. O desafio está em descobrir e extrair conhecimento novo a partir dos
dados, que este conhecimento seja útil e que ao ser usado no processo de tomada da
decisão, possa representar um diferencial competitivo e um ganho real para a empresa.
Nesta área, de forma ainda nebulosa, isto é, sem um consenso, surgem ferramentas,
metodologias e mesmo paradigmas, cujas definições muitas vezes se confundem, mas que
apontam todas para a multiplicidade de bases de dados e para o caminho do
processamento inteligente destas bases. Data Warehouse, KDD – Knowledge Discovery in
Databases, Data Mining, Inteligência Computacional e Redes Neurais são alguns dos nomes
encontrados neste novo segmento.
No texto a seguir fazemos uma breve exposição dos principais conceitos e
definições sobre os termos acima citados:Data Warehouse, KDD e Data Mining. Sobre Redes
Neurais fazemos uma apresentação um pouco mais detalhada porém sem muita
profundidade. A seguir apresentamos a ferramenta PRW – Pattern Recognition Workbench,
que será utilizada em apoio ao curso e, finalmente, apresentamos alguns problemas que
serão explorados como estudo de casos.

Data Warehouse
Nos anos 80 a sociedade presenciou o surgimento e o apogeu dos
microcomputadores que não só viraram objeto de consumo mas também revolucionaram
a forma de se fazer computação no meio empresarial. Os antigos e paquidérmicos
sistemas centralizados deram lugar a sensação de que cada setor ou mesmo funcionário
tem agora o poder de resolver seus próprios problemas e necessidades – finalmente
alcançada a tão almejada independência da área de TI.
O desenvolvimento de diversas ferramentas de software, como planilhas
eletrônicas, gerenciadores de pequenos bancos de dados, interfaces gráficas com ícones e
menus e sofisticados ambientes de programação, estimulou ao extremo a veneração pelo
conceito do “faça você mesmo”.
Embora interessantes e estimuladoras da criatividade e da auto-suficiência, a
proliferação desta prática gerou uma nova classe de problemas para o mundo dos
negócios. É muito comum hoje uma empresa ter um número elevado de pequenas bases
de dados espalhadas por diversas áreas ou setores. Bases estas completamente
desconectadas uma das outras, possivelmente com redundância de informações e, não
raramente, contendo valores inconsistentes.
A falta de um procedimento integrado para concepção e administração do dado
como patrimônio corporativo da empresa começou a ser questionada no princípio da
década de 90, principalmente por aqueles com tendência à nostalgia. Voltar no entanto aos
grandes e pesados sistemas centralizados, em plena era da teleinformática, seria um
retrocesso grande demais. É neste contexto que surge um novo conceito - o de Data
Warehouse (ou Armazém de Dados em português) - cuja proposta maior é estabelecer um
telhado virtual sob o qual se integram as diferentes bases de dados da empresa que agora,
sob a perspectiva dos usuários, passam a ser vistas como uma grande base corporativa.
Um Data Warehouse, como o nome indica, constitui-se de um grande aglomerado de
dados provenientes das mais diversas bases de dados existentes e mantidas por uma
empresa. A qualidade e a integridade dos dados no Data Warehouse deve ser mantida por
uma equipe centralizada de profissionais competentes. Por outro lado, desenvolvedores
de aplicações não precisam mais se preocupar com o layout das diferentes bases, nem com
possíveis incompatibilidades em termos de formas e meios de armazenamento,
redundâncias ou inconsistências. Em outras palavras, eles precisam apenas saber que todo
e qualquer dado pode ser facilmente encontrado através dos recursos oferecidos pela
interface de gerenciamento do Data Warehouse.
Na bibliografia encontramos conceitos e definições as vezes um pouco distintas
sobre DW , tais como:

♦ Segundo Inmon [INM97a], que é tido como o pai do conceito, Data Warehouse é
uma coleção de dados integrados, orientados por assunto, variáveis com o
tempo e não voláteis, usados para dar suporte ao processo gerencial de tomada
de decisão.
♦ Conforme Harjinder [HAR96], Data Warehouse é um processo que aglutina
dados de fontes heterogêneas, incluindo dados históricos e dados externos a
empresa, usados para atender à necessidade de consultas estruturadas e ad-hoc,
relatórios analíticos e de suporte à decisão.
♦ Para Barquini [BAR96], Data Warehouse é uma coleção de técnicas e tecnologias
que juntas disponibilizam um enfoque pragmático e sistemático para tratar com
o problema do usuário final que precisa acessar informações que estão
distribuídas em vários sistemas da organização.
Fazendo uma comparação com o conceito tradicional de banco de dados, este pode
ser visto como uma coleção de dados operacionais armazenados e utilizados pelos
diferentes sistemas de aplicação de uma determinada empresa [BAT86]. Os dados
mantidos nesta forma são chamados de "operacionais" ou "primitivos". No caso do DW,
tem-se uma coleção de dados derivados dos dados operacionais que servem a sistemas de
suporte à decisão. Estes dados são, muitas vezes, referidos como dados "gerenciais",
"informacionais" ou "analíticos" [INM96].
Os bancos de dados operacionais armazenam as informações necessárias para as
operações do dia-a-dia da empresa. São utilizados por todos os funcionários para registrar
e executar operações pré-definidas e seus dados podem sofrer constantes mudanças
conforme as necessidades atuais da empresa. Por não ocorrer redundância num banco de
dados e as informações históricas não ficarem armazenadas por muito tempo, este tipo de
estrutura não exige grande capacidade de armazenamento.
Já um DW armazena dados analíticos, tanto detalhados como resumidos, e
destinados às necessidades da gerência no processo de tomada de decisões. Isto pode
envolver consultas complexas que necessitam acessar um grande número de registros, por
isso é importante a existência de muitos índices criados para acessar as informações da
maneira mais rápida possível. Um DW armazena informações históricas de muitos anos e
por isso deve ter uma grande capacidade de processamento e de armazenamento.
Na Tabela abaixo, estão relacionadas algumas diferenças entre um banco de dados
convencional e um DW [INM96] [BAR96] [KIM96] [ONE97]:
Características Bancos de dados Operacionais Data Warehouse

Objetivo Operações diárias do negócio Analisar o negócio
Uso Operacional Informativo
Tipo de processamento OLTP OLAP
Unidade de trabalho Inclusão, alteração, exclusão Carga e consulta
Número de usuários Milhares Centenas
Tipo de usuário Operadores Comunidade gerencial
Interação do usuário Somente pré-definida Pré-definida e ad-hoc
Condições dos dados Dados operacionais Dados Analíticos
Volume Megabytes – gigabytes Gigabytes – terabytes

Histórico 60 a 90 dias 5 a 10 anos

Granularidade Detalhados Detalhados e resumidos
Redundância Não ocorre Ocorre
Estrutura Estática Variável
Manutenção desejada Mínima Constante
Acesso a registros Dezenas Milhares
Atualização Contínua (tempo real) Periódica (em batch)
Integridade Transação A cada atualização
Número de índices Poucos/simples Muitos/complexos
Intenção dos índices Localizar um registro Aperfeiçoar consultas
Tabela 1 – Comparação entre Banco de Dados Operacionais e Data Warehouse.
Com base nestes conceitos podemos concluir que o DW não é um fim, mas sim um
meio para que as empresas possam dispor e analisar informações históricas com vistas a
melhoria dos processos e dos negócios. Um DW é construído com base em resumos
retirados de múltiplos sistemas de computação normalmente utilizados há vários anos e
que continuam em operação. São construídos para que tais dados possam ser
armazenados e acessados de forma que não sejam limitados por tabelas e linhas
estritamente relacionais. Os dados de um DW podem ser compostos por um ou mais
sistemas distintos e sempre estarão separados de qualquer outro sistema transacional, ou
seja, deve existir um local físico onde os dados desse sistema sejam armazenados. A
Figura abaixo ilustra o esquema de emprego de um DW, mostrando que entre as fontes de
dados e os aplicativos está o DW.
Consultas Consultas
Da ta Warehouse
Integrador
Extra to r Extra to r Extra to r
Base Base Base

de de de
Esquema de Emprego de um Data Warehouse

A tecnologia de DW mostra-se muito interessante para empresas que possuam
grandes volumes de dados gerados e acumulados durante anos, e que necessitem

recuperar estes dados de uma forma que eles possam auxiliar os administradores na
tomada de decisões estratégicas de maneira rápida, eficiente e segura.
Apesar de possuir uma arquitetura relativamente simples, os processos de extração,
filtragem, carga e recuperação dos dados são bastante complexos, exigindo que pessoas
altamente capacitadas façam parte do projeto para que os objetivos sejam atingidos no
menor espaço de tempo possível e sem gastos desnecessários de recursos.
Além dos benefícios relativos a qualidade e a segurança dos dados, um DW abre
toda uma gama de novas possibilidades em termos de sistemas de informações
estratégicas e gerenciais para a tomada da decisão. Um DW mantém a história dos
negócios e torna os dados facilmente acessáveis, abrindo assim, caminho para todo um
novo paradigma que visa a geração de conhecimento novo e útil para a empresa a partir
da busca de padrões e correlações desconhecidas envolvendo partes das bases de dados.
Esta nova área é conhecida por KDD – Knowledge Discovery in Databases.
Data Mart
Trata-se de uma alternativa mais modesta aos data warehouse. Menores e mais
baratos, os data marts são menos abrangentes limitando-se, na maioria das vezes, ao
contexto de um departamento. Pela complexidade que envolve um DW, sua construção é
geralmente lenta e cara. Para equilibrar os custos e oferecer resultados em prazos mais
curtos, é possível construir Data Marts, que são pequenos DW departamentais. Entre as
principais vantagens da utilização de um Data Mart está a redução do tempo de
implementação, em média de 120 dias cada, e o fator preço. Segundo estimativas,
enquanto um Data Mart departamental custa de US$ 100 mil a US$ 1 milhão, um DW
completo começa na casa dos US$ 2 milhões e leva cerca de um ano para estar
consolidado.
Conforme [INM97], data marts são subconjuntos de dados da empresa armazenados
fisicamente em mais de um local, geralmente divididos por departamento (data marts
"departamentais"). Existem diferentes alternativas de se implementar um data mart
[ONE97], sendo que a proposta original é a aquela onde os Data Marts são desenvolvidos
a partir de um DW central. A abaixo exemplifica esta situação.
Data Mart
Data Mart Compras Data Mart
Vendas Estoque
Data Warehouse
Data Marts departamentais.
Nesta arquitetura, grupos de usuários acessam diretamente os Data Marts de seus

respectivos departamentos. Somente aquelas análises que necessitam de uma visão global

da empresa são realizadas sobre o DW. Os Data Marts se diferenciam do DW pelos

seguintes fatores [INM97]:
♦ São personalizados: Atendem às necessidades de um departamento específico
ou grupos de usuários;
♦ Menor volume de dados: Por atenderem a um único departamento, armazenam
um menor volume de dados;
♦ Histórico limitado: Os Data Marts raramente mantém o mesmo período
histórico que um DW, que geralmente mantém um histórico de 5 a 10 anos;
♦ Dados sumarizados: Os Data Marts geralmente não mantém os dados no
mesmo nível de granularidade do DW, ou seja, os dados são, quase sempre,
sumarizados quando passam do DW para os Data Marts.
Um dos problemas dos Data Marts é o grande risco de desvio do modelo original,
pois pode acontecer um crescimento desestruturado. Por ser muito utilizado e estar em
constante aperfeiçoamento pode ocorrer a replicação das mesmas informações em vários
locais o que dificulta uma futura integração de todos os Data Marts em um único DW.

KDD – Knowledge Discovery

A literatura até o momento, não apresenta um consenso e o que se verifica é a
existência de diversas denominações distintas para caracterizar as atividades de busca por
padrões (ou oportunidades de conhecimento) em conjuntos de dados brutos. A confusão é
relativamente grande, e sob este guarda-chuvas encontramos nomes tais como: knowledge
discovery in database, data mining, knowledge extraction, information discovery, data archaelogy,
information harvesting e ainda data pattern processing.
O termo KDD – Klnowledge Discovery in Databases (descoberta de conhecimento em
bases de dados), foi cunhado em 1989 com o objetivo de representar todo o processo de
busca e extração de conhecimento que, em seu nível mais operacional, inclui a aplicação
de técnicas e algoritmos de data mining (mineração de dados) para manipular e encontrar
indícios de correlação ou de implicação em grandes volumes de dados.
Como mencionado, ainda não há um consenso sobre o assunto e o que se observa é
a comunidade formada por estatísticos, analistas de dados e desenvolvedores de sistemas
de informação gerencial adotar o termo data mining para denominar as mesmas atividades
e procedimentos que a comunidade de inteligência artificial descreve como KDD.
Nesta apostila preferimos adotar o termo KDD para se referir ao processo
completo, que incorpora a preparação e análise prévia dos dados, o uso de conhecimento
prévio, a interpretação dos resultados e, também, o data mining, que se refere às técnicas e
algoritmos para a extração de padrões das bases de dados.
“KDD, portanto, se caracteriza por ser um processo não trivial, que busca
gerar conhecimento que seja novo e potencialmente útil para aumentar os ganhos,
reduzir os custos ou melhorar o desempenho do negócio, através da procura e da
identificação de padrões a partir de dados armazenados em bases muitas vezes
dispersas e inexploradas.”
KDD segundo este enfoque, envolve a avaliação e interpretação dos resultados

visando a tomada de decisões sobre o que constitui conhecimento e o que não constitui
conhecimento. Ele também inclui a escolha do esquema de modelagem do problema e de
codificação, amostragem, pré-processamento e projeção dos dados.
Data mining, por outro lado, será considerada nesta apostila como uma etapa do
KDD, consistindo de algoritmos e técnicas específicas que, dentro das limitações e de uma
eficiência computacional aceitável, é capaz de produzir como resultado um modelo e a
enumeração de padrões que se correlacionem com determinados fatos ou fenômenos.
O processo de KDD é interativo e iterativo, envolvendo uma série de etapas onde
cada uma pode requerer do usuário capacidade de análise e de tomada de decisão. As
principais fases do processo são:
Data Warehouse
Interpretação
Seleção
Transformação
Pré-processamento Mineração
(Data Mining)
a) Seleção – é a etapa que consiste na análise dos dados existentes e na seleção

daqueles a serem utilizados na busca por padrões e na geração de conhecimento
novo.
b) Pré-processamento – consiste no tratamento e na preparação dos dados para uso
pelos algoritmos. Nesta etapa devemos identificar e retirar valores inválidos,
inconsistentes ou redundantes.
c) Transformação – consiste em aplicar, quando necessário, alguma transformação
linear ou mesmo não linear nos dados, de forma a encontrar aqueles mais
relevantes para o problema em estudo. Nesta etapa geralmente são aplicadas
técnicas de redução de dimensionalidade e de projeção dos dados.
d) Mineração – consiste na busca por padrões através da aplicação de algoritmos e
técnicas computacionais específicas.
e) Interpretação – consiste na análise dos resultados da mineração e na geração de
conhecimento pela interpretação e utilização dos resultados em benefício do
negócio.
O processo de descoberta de conhecimento (KDD) é interativo e, em geral, envolve
diversos laços de repetição dentro de uma mesma etapa e também entre fases, até que um
resultado útil seja alcançado. Como induz a figura, KDD envolve a aplicação de diferentes
tecnologias que devem ser adequadamente escolhidas dependendo do problema em
questão. Data Mining, ou seja, a busca por padrões, como será mostrado a seguir, pode ser
implementada por intermédio de diferentes algoritmos e, dependendo do algoritmo
adotado, diferentes formas de pré-processamento, transformação e representação dos
dados pode ser necessário.

Data Mining
Data Mining - DM, ou mineração de dados, é uma das principais etapas de um
processo de KDD. Consiste na construção de modelos computacionais para a descoberta
automática de novos fatos e relacionamentos entre dados, a partir da aplicação repetida e
muitas vezes interativa, de algoritmos de busca. A eficiência de um processo de data
mining está no potencial de ganho para a empresa a ser gerado pelas informações
extraídas.
É importante não confundir data mining com complexas estruturas de consulta a
bases de dados, onde o usuário já possua alguma hipótese e deseja apenas extrair material
para manualmente verificar e confirmar a validade de sua hipótese. A idéia central em
data mining é a de que seus algoritmos atuem eles próprios como mineiros e sejam capazes
de automaticamente identificar a existência de padrões e relacionamentos desconhecidos,
que ao serem analisados posteriormente, possam suscitar e induzir a geração de hipóteses
úteis e relevantes para o usuário.
“Data Mining é a concepção de modelos computacionais capazes de identificar e

revelar padrões desconhecidos mas existentes entre dados pertencentes a uma ou
mais bases de dados distintas – um Data Warehouse”.
A distinção entre um modelo e um padrão pode ser explicada como o padrão

sendo um caso específico de um modelo, ou o modelo sendo a generalização de um
padrão. Exemplo: a equação f ( x) = 3 x 2 + 5 x − 9 representa uma função de segundo grau
determinada e específica; já a equação f ( x) = ax 2 + bx + c representa a família ou o modelo
das funções de segundo grau.
O processo de KDD e mais especificamente o de DM representa uma forma de
capitalizar o investimento necessário para o armazenamento de grandes volumes de
dados, tentando, por exemplo, descobrir padrões de comportamento de clientes para fins
de concessão de crédito, ou identificando estilos de ações fraudulentas em
administradoras de cartão de créditos. Através da mídia, alguns exemplos clássicos se
popularizaram como o da associação de produtos comprados em uma mesma cesta de
supermercados (fraldas com cerveja).
O grande problema nesta abordagem é que além da possibilidade de garimpar
relacionamentos inúteis, o número de correlações possíveis de serem obtidas tende a ser
muito grande, o que impede a análise exaustiva de cada uma. A solução é usar algoritmos
e técnicas inteligentes que possam identificar e selecionar automaticamente os casos mais
relevantes para cada aplicação.

O processo de data mining difere das técnicas de OLAP já bastante difundidas na

literatura, enquanto estas oferecem meios para consolidar os dados em vários níveis,
trabalhando-os em múltiplas dimensões, a técnica de data mining busca mais do que a
interpretação dos dados existentes, visa fundamentalmente inferir e generalizar possíveis
fatos e correlações não percebidas nem facilmente deduzidas.
Principais Objetivos de um Data Mining

O termo “minerar” pressupõe o garimpo por alguma preciosidade, “minerar
dados” pressupõe o garimpo entre bases de dados por algo que possa trazer algum valor
ou vantagem competitiva para a empresa. Em geral este garimpo tem como objetivo
descrever ou prever o comportamento futuro de algum fenômeno. Descrever tem como
foco encontrar algo que faça sentido e que consiga explicar os resultados ou valores
obtidos em determinados dados ou negócios. Prever, por outro lado, tem como foco
antecipar o comportamento ou o valor futuro de algum fenômeno ou variável de
interesse, com base no conhecimento de valores do passado.
Na busca de tais objetivos diferentes estratégias podem ser utilizadas para
garimpar as bases de dados disponíveis na busca por indícios que possam relacionar
dados ou fatos. As principais estratégias empregadas nesta tarefa incluem a classificação,
a agregação, a associação, a regressão e a predição. Em todas estratégias, o objetivo maior
é o de poder generalizar o conhecimento adquirido para novas ocorrências do fenômeno
ou para outros contextos ou situações parecidas com a utilizada na construção do modelo
computacional. Em cada uma destas estratégias diferentes técnicas e algoritmos podem
ser aplicados.
Classificação é a estratégia que consiste na busca por uma função que consiga
mapear (classificar) uma determinada ocorrência em uma dentre um conjunto finito e pré-
definido de classes. A construção do modelo segundo esta estratégia, pressupõe o
conhecimento prévio das possíveis classes e a correta classificação dos exemplos usados
na modelagem. Várias são as aplicações para este tipo de abordagem, em análise de risco
por exemplo, o objetivo pode ser o de classificar um potencial cliente entre as classes de
excelente, bom ou mau pagador.
Agregação (ou clustering) consiste na busca de similaridades entre os dados tal que
permita definir um conjunto finito de classes ou categorias que os contenha e os descreva.
A principal diferença entre esta abordagem e classificação é que em agregação não se tem
conhecimento prévio sobre o número de classes possíveis nem a possível pertinência dos
exemplos usados na modelagem. Descobrir grupos homogêneos de clientes é uma das
possíveis aplicações e pode ser usada para ajudar na definição da estratégia de marketing
a ser adotada.
Associação por outro lado, consiste em identificar fatos que possam ser direta ou
indiretamente associados. Esta estratégia é geralmente usada em aplicações onde se busca
identificar itens que possam ser colocados juntos em um mesmo pacote de negociação. Por
exemplo, a constatação de que vendas de cerveja e de fraldas descartáveis apresentam um
comportamento ascendente às sextas-feiras pode levar à construção de uma hipótese que
associe ambos os itens a um tipo especial de cliente. Associação também pode ser usada
para avaliar a existência de algum tipo de relação temporal entre os itens constantes de
uma base de dados.

Regressão consiste na busca por uma função que represente, de forma aproximada,
o comportamento apresentado pelo fenômeno em estudo. A forma mais conhecida de
regressão é a linear, por exemplo, uma reta que minimiza o erro médio entre todos os
valores considerados, mas também pode ser não linear.
Predição envolve uma componente temporal, isto é, representa aquela classe de
problemas nos quais estamos interessados em prever o comportamento ou valor futuro de
uma determinada variável com base em valores anteriores desta mesma variável (mono-
variável) ou em valores anteriores da variável de interesse e de outras variáveis (multi-
variável).
Como mencionado, várias são as técnicas que podem ser utilizadas na
implementação destas estratégias, onde as principais são:
Estratégia Algoritmos
Classificação árvores de decisão e redes neurais

Agregação métodos estatísticos e redes neurais
Associação métodos estatísticos e teoria de conjuntos
Regressão métodos de regressão e redes neurais
Predição métodos estatísticos e redes neurais
Tabela 2 – Estratégias de Data Mining
Dentre as técnicas listadas podemos notar que redes neurais é a que apresenta
maior abrangência, podendo ser aplicada em praticamente todas as estratégias.
Aplicações para Data Mining

Não há na prática limite ou área específica para aplicação dos conceitos até aqui
apresentados, tudo depende da capacidade de modelar o problema para a aplicação de uma das
estratégias listadas e da criatividade em analisar e utilizar os resultados alcançados. Dentre as que
mais têm explorado o uso de data mining encontramos as áreas de marketing, vendas, finanças,
manufatura, saúde e energia.
Marketing
Database marketing é um segmento emergente que vem revolucionando a forma de
encarar e fazer a divulgação dos produtos de uma empresa. Quando aliado às técnicas de
data mining amplia suas potencialidades abrindo novas e diferentes formas de avaliar e
alavancar a relação entre o cliente e o faturamento da empresa.
O esforço de marketing geralmente é elevado, nem sempre é efetivo, mas fatalmente
influi no preço final de venda. Qualquer tecnologia que seja capaz de tornar mais efetivo o
resultado da propaganda ou de reduzir seus custos, tem impacto direto no faturamento e
no sucesso do empreendimento.
A manutenção de grandes bancos de dados onde são armazenadas as transações de
vendas, operações de crédito ao cliente, de compra a prazo e de pagamento, tem feito do

database marketing uma das áreas mais ricas e promissoras para aplicação dos conceitos
de KDD e data mining. As principais aplicações estão na seleção de candidatos para
propaganda seletiva ou na seleção de produtos a serem oferecidos num mesmo pacote.
Numa campanha de marketing a possibilidade de identificar antecipadamente aqueles
clientes que apresentam maiores chances de responder positivamente a abordagem reduz
os custos da propaganda, o mesmo ocorre quando a cesta de produtos a ser oferecida é
otimizada para cada cliente em potencial.
Vendas
No setor de vendas a aplicação provavelmente de maior interesse seja a de
identificar produtos que possam ser colocados em uma mesma cesta ou pacote. Isto
envolve a garimpagem por associação entre produtos, que pode revelar afinidades ou
aversões nunca imaginadas e como conseqüência, sugerir estratégias para maximizar o
lucro.
A descoberta de que dois ou mais produtos têm suas vendas fortemente associadas
pode, por exemplo, ser usada no sentido de não colocá-los em promoção ao mesmo
tempo, de organizá-los de uma forma que facilite o cliente a encontrá-los ou de organizá-
los de maneira que no caminho entre eles o cliente seja exposto a outros produtos cuja
venda seja estimulada.
Outra aplicação é a busca por associações que envolvam uma componente temporal,
isto é, aquela que revela, por exemplo, que a compra de um produto hoje induz, com alta
probabilidade, a compra de outro algum tempo depois. Tal descoberta pode sugerir uma
estratégia de venda que busque efetivar a venda de ambos logo na primeira
oportunidade.
Finanças
Em finanças as aplicações têm sido várias envolvendo associação, classificação,
agregação e também predição. Análise de crédito, potencial transações fraudulentas em
cartões de crédito, avaliação de risco, constituição de bolsa de ações (portfólio), previsão
de transferência de numerário entre agencias bancárias, previsão de flutuações nos
mercados de ações e de commodities e previsão de falências, são algumas das aplicações
mais comumente encontradas.
Nesta área as transações podem envolver volumes financeiros efetivamente
elevados, os riscos e a concorrência também são altos e neste cenário, qualquer
oportunidade de ganho é considerada e pode representar, por menor que seja a margem
de ganho, um diferencial efetivo.
Manufatura
A complexidade dos modernos parques de produção e a pressão pela eficiência e
pela qualidade tem possibilitado o uso de data mining e de automação em diversas áreas.
CAD/CAM e robôs são algumas das aplicações de maior demanda na área.
Saúde
São basicamente duas frentes distintas de trabalho nesta área: administração e
diagnóstico. Na administração os sistemas lidam com os serviços oferecidos aos pacientes,
com os seguros, com as ações potencialmente fraudulentas, etc.

Em termos de diagnóstico o emprego de data mining visa o desenvolvimento de

sistemas capazes de realizar diagnósticos (classificações) automaticamente, com base em
dados obtidos de exames laboratoriais. Sistemas de diagnóstico apresentam a vantagem
de atender rapidamente grandes volumes de pacientes, o que facilita a ação pública em
epidemias ou campanhas sanitárias.
Energia
Previsão de consumo e previsão de falhas em sistemas de transmissão ou de
distribuição são as duas aplicações mais comuns, embora muitas outras tenham sido
pesquisadas e difundidas na literatura.
Conforme visto na tabela 2, a tecnologia de maior emprego atualmente em data
mining é a de redes neurais, assunto ao qual dedicamos o próximo capítulo. Nele
tentaremos proporcionar ao leitor uma visão geral sobre o paradigma das redes neurais e
capacitá-lo a utilizá-las na resolução de alguns problemas reais.

Redes Neurais
Como mencionado na sessão anterior, redes neurais têm sido cada vez mais
intensamente utilizadas em aplicações de data mining. Este fato deve-se não só a
possibilidade de aplicação do paradigma em praticamente todas as diferentes estratégias
de data mining mas também pela relativa simplicidade de uso das redes neurais quando
comparadas às demais tecnologias. Existem várias ferramentas neurais oferecidas
comercialmente, que são relativamente fáceis de serem usadas e que permitem o usuário
final aplicar redes neurais a diversos problemas reais. O PRW – Pattern Recognition
Workbench é uma destas ferramentas, que descrevemos na próxima sessão e que será
usada como suporte aos exercícios práticos preparados para este curso.
O Paradigma do modelo neural

Redes Neurais são sistemas computacionais formados pela integração de inúmeros
elementos de processamento (EP), funcionalmente muito simples, altamente
interconectados e trabalhando maciçamente em paralelo. Originalmente concebidas com
base no estudo do cérebro humano, redes neurais são radicalmente diferentes de todos os
demais modelos computacionais.
O paradigma neural não faz uso dos conceitos que até então caracterizam os demais
algoritmos e sistemas computacionais. Uma rede neural pode ser integralmente
implementada em Hardware, os chips neurais são objeto de intenso estudo em grandes
centros de pesquisa e muito em breve serão realidade em muitas aplicações e produtos
comerciais. No Japão é comum encontrar-se hoje eletrodomésticos sendo lançados com
recursos de autocontrole, por eles chamados neuro-fuzzy (Sistemas híbridos combinando
redes neurais e lógica nebulosa - fuzzy).
Numa rede neural não se tem a idéia de programa, onde o programador introduz e
codifica a estratégia de solução do problema, também não se tem a idéia de um
conhecimento explicitamente armazenado que conduza a busca durante o processo de
resolução do problema. A rede neural é dinâmica, não possui memória, “pelo menos no
estilo convencional que conhecemos”, não acessa nem possui arquivos de dados e não é
programável.
Os modelos neurais foram concebidos com base na estrutura do sistema nervoso,
mais especificamente na estrutura do cérebro humano e, assim, sua principal característica
está na capacidade de aprender com base na exposição a exemplos. A construção de uma
rede neural se constitui portanto, na configuração da sua arquitetura interna (uma rede
interligada de neurônios) e no treinamento desta rede com base em exemplos, até que ela
própria consiga aprender como resolver o problema.

Uma rede neural é portanto, uma abstração computacional que busca emular o
funcionamento do sistema nervoso do ser humano. Nosso sistema nervoso é uma rede por
onde fluem sinais eletroquímicos e suas principais partes são: o cérebro, a medula
espinhal e os nervos. O cérebro e a medula espinhal formam o sistema nervoso central
(SNC) — centro de controle e coordenação do corpo. Bilhões de neurônios, a maioria
agrupados em nervos, formam o sistema nervoso periférico, transmitindo impulsos
nervosos entre o SNC e as demais regiões do corpo. Cada neurônio possui três partes: o
corpo celular — composto por um núcleo e um citoplasma, onde os estímulos recebidos
são integrados e onde a maioria do metabolismo celular é realizado, o axônio — que é
encarregado da transmissão dos impulsos gerados pela célula para outros neurônios e os
dendritos — que recebem os impulsos provenientes dos axônios de outros neurônios e os
levam ao corpo celular para integração, reiniciando assim, um novo ciclo.
Pesquisadores estimam a existência de aproximadamente 100 bilhões de neurônios
no córtex cerebral do ser humano. Cada neurônio podendo tratar até 1000 estímulos
simultâneos de entrada, o que traduz na capacidade do cérebro processar até 100 trilhões
de estímulos simultâneos. Cada neurônio pode disparar até 100 vezes por segundo e,
assim, o cérebro humano apresenta uma singela capacidade de processar até 10 000
trilhões de estímulos/seg. Mais veloz que os maiores supercomputadores até hoje
construídos pelo homem. Esta imensa capacidade de processamento torna-se ainda mais
expressiva ao se constatar que o cérebro não pesa mais que 1.5 Kg e ocupa
aproximadamente 300 cm3 (menos de 1/2 litro).
Um Breve Histórico
As primeiras pesquisas para o desenvolvimento de computadores baseados no
comportamento das células nervosas (os neurônios) datam da década de 40 [Minsk88]. Em
1943 Wax Ten McCulloch e Walter Pitts propõem um modelo matemático (artificial) para
o neurônio biológico. O campo de atuação estava limitado ao entendimento do
funcionamento do cérebro para aplicações em medicina e psicologia [McCulloch43]. Em
1947 publicaram um segundo estudo intitulado “How we know universal”. Dois anos
depois, em 1949, Donald Hebb, observando o que ocorria nas sinapses dos neurônios,
desenvolveu a “Teoria do Aprendizado Neural” a qual determina que quanto mais
correlacionadas estiverem as saídas de dois neurônios em cascata, maior deverá ser o
nível ou a intensidade da ligação entre eles (sinapse).
No período entre 1951 e 1958, pouco se evoluiu no campo das redes neurais. Porém
em 1959, dois grandes trabalhos foram apresentados: Bernard Widrow desenvolveu o
elemento linear adaptativo chamado ADALINE (“ADAptative LINear Element”), capaz de
auto ajustar-se de forma a minimizar o erro entre a resposta desejada e a resposta gerada
pelo sistema. A primeira aplicação prática de um sistema de computação neural foi a
utilização do ADALINE para o desenvolvimento de filtros digitais adaptativos com a
função de eliminar ecos em linhas telefônicas.
Ainda em 1959, paralelamente a Widrow, Franck Rosemblatt concluia o projeto do
“Perceptron”, iniciado em 1958, que resultou num livro publicado em 1962. O fato causou
excitação no meio científico da época e expectativas muito acima das possibilidades foram
espalhadas e divulgadas no seio da sociedade — “O cérebro humano finalmente chegava aos
computadores”. O “Perceptron” de Rosemblatt consistia em um sistema de classificação de
padrões, utilizando apenas uma camada de neurônios.

A publicação de um livro intitulado “Perceptrons” feita por Marvin Minsk —

conhecido e renomado pesquisador da área — e Seymour Papert no ano de 1969,
criticando o trabalho de Rosemblat, provocou uma parada e um grande atraso no
desenvolvimento das Redes Neurais Artificiais (RNAs). Neste livro os autores provaram
que o “Perceptron” apresentava sérias restrições conceituais, sendo capaz apenas de
solucionar problemas dentro do universo dos linearmente separáveis.
O reaquecimento das pesquisas em redes neurais se deu em 1982 quando John
Hopfield [Hopfield82] concebeu um modelo de rede adaptativa para memórias
associativas e introduziu o conceito de função de energia às redes, associando a
convergência da rede à estabilidade dessa função em seu mínimo global. O fator
definitivo de reaquecimento da área foi a publicação feita por James McClelland e David
Rumelhart em 1986 [Zurada98] criando as redes MLP – Multi Layer Perceptron e o
algoritmo de treinamento conhecido por Backpropagation.
As redes neurais hoje existentes ainda sofrem de algumas restrições, principalmente
aquelas de cunho tecnológico, uma vez que simuladas em software demandam uma
capacidade computacional ainda não disponível nos computadores atuais. Mesmo com
estas restrições, a área de redes neurais tem demonstrado sua potencialidade em diversas
aplicações, superando expectativas e gerando resultados até então não alcançados com
qualquer outra técnica, seja computacional ou convencional.
Muito ainda tem que ser feito até que possamos ser capazes de criar o computador
com reais condições de simular a estrutura cerebral e o raciocínio do ser humano, uma vez
que mesmo animais inferiores como a minhoca e a sanguessuga, são capazes de
apresentar reações que o mais rápido dos supercomputadores hoje existente é incapaz de
fazer. As redes neurais, apesar das limitações tecnológicas, são vistas hoje como a
estratégia computacional com maior possibilidade de abrir novos caminhos e áreas de
aplicação para a informática.
Alguns Conceitos Básicos

As redes neurais foram concebidas de forma a emular em um computador, a
estrutura e a funcionalidade do cérebro. Para isto os pesquisadores tiveram que buscar
alternativas para modelar o neurônio biológico, tanto na sua estrutura como na sua
funcionalidade, na conectividade, na interatividade dos neurônios e, principalmente, na
dinâmica operacional do sistema biológico.
Este tipo de rede necessita de arquiteturas paralelas, de algoritmos adequados na
fase de aprendizado e alta capacidade de processamento. Não necessitam de modelos
precisos da realidade física do problema e possuem alta capacidade de adaptação. Suas
principais vantagens são: tolerância a falhas; alta capacidade de adaptação; capacidade de
resolver problemas práticos sem a necessidade da definição de listas, de regras ou de
modelos precisos.
Na sua tarefa de emular a estrutura e o funcionamento básico do cérebro, as redes
neurais fazem uso de um modelo abstrato (matemático) do neurônio cerebral. No modelo
de neurônio artificial, a intensidade das ligações entre neurônios (sinapses) são emuladas
através de pesos, que são ajustáveis durante o processo de evolução do treinamento e
aprendizado da rede. O corpo celular é emulado pela composição de duas funções,
chamadas geralmente na literatura de funções de ativação e de propagação. Estas funções
realizam o mapeamento, ou seja a transferência dos sinais de entrada em um único sinal

de saída. Este sinal de saída é então, propagado para os neurônios seguintes da rede,
como no modelo biológico.
x1
x2
. Corpo Celular y
.
xn Saída
Entradas Mapeamento
O Neurônio Artificial
O modelo matemático de um neurônio artificial foi primeiramente idealizado pelos
pesquisadores W. S. McCulloch e W. H. Pitts [McCulloch43] no ano de 1943. Compõe-se
basicamente de conexões emulando os dendritos, pesos emulando as sinapses, uma
função de mapeamento emulando o corpo celular, e uma saída emulando o axônio,
conforme exemplificado na figura abaixo.
Modelo matemático do neurônio artificial
x1
w1
Função Função
x2 w2 de de y
Ativação Propagação
w3
x3
y = f ( X , W ) = P • A( X , W )
A função de transferência geralmente se compõe de duas outras funções, a de

ativação e a de propagação. A função de ativação é aplicada sobre os sinais de entrada e
gera uma saída intermediária, normalmente chamada de net, que estabelece o estado de
ativação do neurônio e sua capacidade de disparar algum sinal de excitação ou de inibição
para os neurônios à sua frente. A função de propagação é aplicada sobre o estado de
ativação — net — e gera o sinal de saída do neurônio. Os pesos, na maioria das
arquiteturas de rede hoje propostas, são ajustáveis e representam a memória e o
conhecimento usado na solução do problema.
A função de ativação a(.) processa os estímulos ponderados pelos respectivos pesos
(sinapses) e mede o estado de ativação para o neurônio. A função de propagação p(.) se
encarrega de propagar o estado de ativação como estímulo para outros neurônios. Dentre
as funções de ativação mais utilizadas temos:
• Linear (utilizada em 99% dos casos)

n
a i ( x , w )= w T x = ∑ wij x j (1.1)
j =1
• Esférica
n
a i ( x , w) = ρ −2
∑(x j − w ij ) 2 (1.2)
j =1
• Mahalanobis
ai ( x, w)=( x − wi )T Ω −1 ( x − wi ) (1.3)
Ω= X XT (1.4)
• Polinomial
n
a i ( x , w )= ∑ x j ij
w
(1.5)
j =1
A função de propagação p(.) também conhecida como limiar lógico — “threshold” —

é quem define e envia para fora do neurônio o valor do estímulo a ser passado adiante,
para os próximos neurônios da rede. Dentre as funções de propagação as mais
encontradas na literatura estão na tabela a seguir. A restrição, no caso das funções não
lineares, é que sejam limitadas, monotônicas e continuamente deriváveis em todos os seus
pontos.
Função Equação com Polarização Sem polarização Com polarização
+1
1, x > − b +1
Degrau y =
 0, x < − b 0 x -b 0 x
+1
+1
Degrau 1, x > − b
y =
Simétric  0, x < − b 0 x -b 0
-1
x
-1
o
+b
+1
Linear y=x+b -b 0
0 +1 x x
-b
+1
+1
Logística 1
Sigmoid y= − (n + b )
al 1+ e
0 x -b 0 x

+1
+1
( x + b) − ( x + b)
Tangente e −e
y= =
Sigmoid ( x + b) − ( x + b) 0 x -b 0 x
e +e
al -1 -1
• Função degrau — limita a saída do neurônio a apenas dois valores (binário: 0 ou

1, ou bipolar: –1 ou 1). Normalmente é utilizada para criar neurônios que tomem decisões
binárias, como nos classificadores. É limitada (“bounded”), porém não é derivável;
• Função linear —não é limitada. Neurônios com esta função de propagação podem
ser utilizados como aproximadores lineares;
• Função sigmoidal (logística) — permite que a entrada assuma qualquer valor no
intervalo (- ∞ e + ∞) e os comprime para o intervalo [0, +1]. É a função geralmente
adotada em redes neurais em virtude de ser contínua, monotônica, não linear e facilmente
diferenciável em qualquer ponto;
• Função tangente hiperbólica — mapeia a entrada dos neurônios no intervalo [-1,
+1]. Possui as mesmas características e emprego da função logística sigmoidal,
possibilitando que as saídas sejam simétricas.
O Modelo Neural
A concepção básica dos modelos neurais está centrada na figura do neurônio. A
potencialidade do modelo para solução de problemas complexos se baseia no paralelismo,
na capacidade de processamento advinda da integração, na não linearidade
proporcionada pela atividade operacional de cada elemento da rede e pela capacidade da
mesma de buscar a solução através de um método próprio de treinamento e auto-
aprendizado.
Diversos são os modelos de rede propostos na literatura, cada qual advindo de uma
linha de pesquisa diferente e visando um melhor desempenho na solução de um tipo
específico de problema.
Basicamente, os modelos neurais podem ser classificados segundo:
a) a estratégia de treinamento: em supervisionados (quando a rede dispõe de um
instrutor apontando erros e acertos) ou não-supervisionados (caso contrário).
b) a forma de treinamento: em incremental (quando o conhecimento da rede se ajusta
após a apresentação de cada padrão de entrada (estímulo)) ou lote (onde o ajuste do
conhecimento só é realizado após “visão” de todos os estímulos), e
c) a forma de operação: em unidirecional (os sinais internos se propagam apenas na
direção entrada/saída - feedforward) e recorrente (quando há realimentação - recurrent).
Estrutura de uma Rede Neural

Infelizmente não existe qualquer método ou procedimento sistemático e
determinado para a configuração e especificação dos parâmetros envolvidos em uma rede
neural. O número de parâmetros e detalhes de projeto é grande e o maior ou menor

sucesso na especificação dos mesmos depende da experiência e do sentimento do

projetista.
Tudo começa pela escolha adequada da representação dos dados a serem usados na
caracterização do problema e no treinamento da rede. A capacidade de resolução do
problema, o desempenho do treinamento e a fidelidade dos resultados estão intimamente
ligados à qualidade da representação adotada.
A rede é organizada geralmente em camadas e o padrão de conexão mais
freqüentemente utilizado é o de conexão completa inter-camadas (full connected), apenas
na direção entrada-saída (feedforward), e nenhuma conexão intra-camada. Isto é, um
neurônio situado em uma determinada camada tem sua saída conectada a todos os
neurônios da camada seguinte (a sua direita) e a nenhum outro neurônio de qualquer
outra camada, seja ela anterior, posterior ou a sua própria. A figura abaixo exemplifica
esta topologia.
Estrutura de uma Rede Neural
E
n S
t a
r í
a d
d a
a s
s Aprendizado
Parâmetros
Parâmetrosde
deProjeto:
Projeto:
• nr. de camadas • função de transferência
• nr. de neurônios / camada • representação dos dados
• topologia das interconexões • dinâmica de aprendizado
Cabe ressaltar que o aumento do número de camadas acarreta o aumento da

complexidade e do tempo de processamento da rede. Aumentando o número de
neurônios por camada, acarreta o aumento do grau de liberdade da função de
transferência, e quanto maior a quantidade de variáveis livres, menor será a capacidade
de generalização da rede. Logo, o objetivo de projeto deve ser o de resolver o problema
com a menor topologia possível.
Dois principais tipos de estrutura compõem o universo de modelos de redes neurais:
as do tipo unidirecional (feedforward) e as do tipo recorrente (recurrent).
• Unidirecional - nesta topologia todas as conexões entre neurônios diferentes —
intercamada — obedecem necessariamente a direção entrada ⇒ saída, não havendo
conexões entre neurônios de uma mesma camada. Esta estrutura é totalmente conectada
“fully connected”, uma vez que todas as saídas dos neurônios de uma camada são
conectadas com as entradas de todos os neurônios da camada seguinte (imediatamente a
direita). A figura abaixo apresenta uma estrutura unidirecional com quatro camadas: uma
de entrada, duas escondidas e uma de saída. Cada camada possuindo respectivamente 4,
2, 3 e 1 neurônios. Os neurônios da camada de entrada diferem de todos os demais,
operando apenas como curto ou ponto de ligação, uma vez que desempenham a função de
conectar o mundo exterior com o mundo interior da rede neural.

w
X
Y
• Recorrente – nesta topologia as redes possuem realimentação, onde um neurônio

pode ser direta ou indiretamente retroalimentado pela sua saída. Cada camada pode
conter conexões entre os elementos de processamento da mesma camada (estímulos
laterais), das camadas anteriores e das camadas posteriores. Na topologia recorrente não
existe um sentido único para o fluxo dos sinais entre neurônios ou entre camadas. A
figura a seguir apresenta uma estrutura recorrente de 1 camada.
Projeto de um Sistema Neural

O Projeto de um sistema neural consiste de diversas etapas que devem ser
executadas em seqüência, de forma interativa e, não raramente, com diversos ciclos de
repetição. A construção do sistema começa pela identificação e coleta dos dados históricos,
que serão utilizados para treinar a rede e também para avaliar seu desempenho. O passo
seguinte é a preparação e adequação dos dados ao formato requerido pela rede neural. O
projetista agora deve escolher o modelo neural a ser adotado e definir a topologia da rede.
Depois vem a etapa do treinamento e, finalmente, a da avaliação dos resultados.
P
P o
r s
e
Pré-processamento Pós-p rocessamento

d o d ad os d o d ad os
Coleta dos
Dados
Avaliação dos
Escolha do modelo Resultados
Preparação e
Adequação Definição da topologia e
Treinamento

Treinamento de uma Rede Neural

É na fase de treinamento que a rede neural aprende o problema e tenta resolvê-lo
auto ajustando seus parâmetros internos. Uma vez que a rede tenha aprendido, isto é, ela
tenha chegado a uma condição de erro considerada satisfatória, seus parâmetros são
congelados e ela, a partir de então, está pronta para ser usada com dados da situação
corrente.
Existem várias arquiteturas e várias técnicas de treinamento de rede neural
propostas na literatura. Cada uma com características vantajosas e desvantajosas,
dependendo do problema e da aplicação específica a que se destinam. Na etapa do
treinamento é escolhido o algoritmo de aprendizado juntamente com os parâmetros de
aprendizado – taxa de aprendizado (learning rate), momento (momemtum), condição de
parada e dinâmica de treinamento. O aprendizado é o processo pelo qual a rede adapta
seus parâmetros (em geral os pesos das conexões entre os neurônios) de forma a satisfazer
os requisitos de mapeamento estabelecidos. A dinâmica de treinamento representa a
freqüência com que estes parâmetros (pesos) são atualizados, ela pode ser:
• do tipo Batch - os parâmetros são ajustados somente ao final de cada ciclo “epoch”
— processamento de todo o conjunto de observações —, ou seja, os parâmetros da rede
são ajustados somente ao final de cada ciclo. Nesta dinâmica, o treinamento é menos
influenciado pela ordem de apresentação dos padrões, é menos suscetível à oscilações,
porém a velocidade de aprendizado (convergência) geralmente é mais baixa.
• Do tipo Incremental - os parâmetros são ajustados ao final do processamento de
cada observação (padrão), ou seja os pesos da rede são ajustados ao final do
processamento de cada observação. Nesta dinâmica, a ordem da apresentação dos
padrões é importante para a velocidade de aprendizado da rede e, em alguns casos, deve-
se reorganizar esta ordem, de forma a acelerar o treinamento.
A taxa de aprendizado é um valor positivo, geralmente menor do que 1.0, que regula
a intensidade com que as atualizações dos parâmetros (pesos) serão efetuadas. Taxas
muito baixas, próximas de zero, tendem a fazer com que o aprendizado seja bastante
lento, porém taxas muito altas, próximas de 1.0, podem fazer com que a rede oscile, como
se estivesse aprendendo e desaprendendo, e as vezes nem consiga chegar a um patamar
aceitável de aprendizado. O valor da taxa de aprendizado não precisa permanecer fixo
durante todo o treinamento. Em algumas implementações ela pode ser adaptativa e
controlada pela própria rede.
A taxa de momento é um parâmetro de uso opcional, de valor também positivo e
menor do que 1.0, cuja utilização visa imprimir uma dinâmica no treinamento tal que,
eventualmente, possibilite o algoritmo livrar-se de mínimos locais durante o processo de
busca pelo mínimo global (ponto de menor erro). Fazendo um paralelo com o mundo real,
a taxa de momento aplica um fator de inércia no processo de evolução do treinamento,
que se mantém acelerando enquanto o permanecer diminuindo e, assim, eventualmente
faz com que o processo adquira velocidade suficiente para livrar-se de pequenos buracos
(mínimos locais) que possam ser encontrados pelo caminho.
A condição de parada é geralmente estipulada com base na ocorrência de dois
eventos: erro mínimo e número de ciclos. A parada pelo erro mínimo ocorre se e quando o
algoritmo de treinamento levar a rede a convergir para um erro menor que o mínimo
estipulado como critério de término. A parada pelo número de ciclos de treinamento
encerra o processo independentemente do nível de aprendizado alcançado pela rede. A

parada por este critério deve sempre ser utilizada em conjunto com qualquer outro, com
vistas a evitar processos de treino intermináveis.
Aprendizado
Redes neurais “aprendem” por experiência, como uma criança que aprende a andar,
falar, associar objetos e nomes, através de exemplos ou tentativa e erro. Assim, após a
escolha de uma representação para os dados do problema, deve-se montar um conjunto
de treinamento. Este conjunto é gerado a partir de dados históricos, ou seja, a partir de
experiências e fatos ocorridos no passado.
O aprendizado geralmente se constitui no ajuste do conjunto de pesos de modo a
que a rede consiga executar uma tarefa específica. O aprendizado pode ser realizado,
basicamente, de duas formas distintas:
• aprendizado supervisionado - é aquele que utiliza um conjunto de pares (entrada -
saída), em que para cada padrão de entrada é especificado um padrão de saída desejado
(resposta desejada). O aprendizado ocorre no momento em que a saída gerada pela rede,
a partir dos cálculos efetuados com o padrão de entrada e os pesos correntes, for diferente
da saída desejada e o algoritmo de treinamento, segundo alguns critérios, ajusta os pesos
da rede de forma a reduzir o erro. Essa dinâmica é repetida para todo conjunto de dados
(entradas e saídas) inúmeras vezes, até que a taxa atinja uma faixa considerada
satisfatória.
O processo básico do aprendizado supervisionado pode ser resumido pelos
seguintes passos (para um treinamento incremental):
Passo 1: Escolha inicial dos pesos, em geral esses valores são pequenos e escolhidos
aleatoriamente;
Passo 2: Apresentação de uma nova entrada cuja saída correspondente é conhecida;
Passo 3: Cálculo da saída gerada pela rede;
Passo 4: Cálculo do erro (saída desejada x saída gerada);
Passo 5: Verificação do erro e do número de ciclos, se satisfatório encerra o treinamento.
Passo 6: Atualização do ponteiro para a próxima observação a ser apresentada a rede, caso seja
a última observação do conjunto de treinamento, reinicializa o ponteiro;
Passo 7: Ajuste dos pesos;
Passo 8: Retorno ao passo 2;
• aprendizado não-supervisionado - este tipo de aprendizado também é conhecido
como aprendizado auto-supervisionado, e classifica os padrões similares sem utilizar
pares (entrada - saída), isto é, no treinamento da rede são usados apenas valores de
entrada. A rede trabalha essas entradas e se organiza de modo a classificá-las mediante
algum critério de semelhança. Esse tipo de rede utiliza os neurônios como classificadores,
e os dados de entrada como elementos de classificação.

PRW – Uma Ferramenta para Data Mining

Trata-se de um ambiente para concepção, construção e avaliação de modelos
computacionais para data mining. A ferramenta oito diferentes algoritmos do tipo
supervisionado e um do tipo não supervisionado. Dentre os algoritmos supervisionados
encontram-se dois modelos neurais, um MLP – Multi Layer Perceptron, treinado com o
algoritmo conhecido como backpropagation, e outro RBF – Radial Basis Function, que usa
gaussianas para fazerem o papel de funções de propagação. Todos os algoritmos podem
ser utilizados para realizar tanto classificação como estimação (previsão).
Nesta apostila nos restringimos apresentar um tutorial apenas sobre o modelo neural
MLP com vista à concepção e uso em aplicações tanto de classificação como de predição.
Como obter uma cópia

◊ Página do produto na Internet: http://www.unica-usa.com/prwdemo.htm
◊ Kit de demonstração: na página encontra-se disponível um kit de demonstração
para “download” e uma chave para registro com validade para 30 dias
◊ Procedimentos de instalação:
o Baixe o executável – prwdem32.exe
o A partir do Windows, execute o programa
o Forneça a chave de registro encontrada na Página
Tutorial On-Line
◊ O PRW possui um tutorial simples mas que fornece ao usuário algumas
informações sobre a funcionalidade e conceitos empregados no aplicativo. Para
usar o tutorial, o usuário de iniciar o aplicativo e escolher a opção “tutorial” dentre
as duas disponíveis.
◊ O tutorial se divide em duas partes:
o Part I: A Simple Classification Problem
o Part II: PRW Basics
Componentes do PRW
◊ Uma planilha de dados (tipo Excel) – para onde devemos importar a matriz de
dados a ser utilizada na construção do modelo

◊ Um gerenciador de experimentos – onde escolhemos o tipo de aplicação -

classificação ou aproximação de função; e o tipo de experimento – treinamento,
teste, treinamento e teste ou validação.
Guia para Utilização

Como Carregar (importar) a base de dados
(os procedimentos a seguir consideram que sua base esteja em uma planilha Excel)
o Abrir a planilha Excel com os dados do problema;
o Na opção “Edit” da barra de ferramentas do PRW, escolha o comando “create
DDE links...”;
o Na primeira janela (Service) aparecerão algumas opções de origem para os
dados, escolha a linha “Excel”;
o Neste instante aparecerão na janela do meio (Service Topics), as planilhas
existentes no arquivo Excel, escolha aquela que corresponder aos dados
desejados;
o Na janela da direita (Topic items) deve-se fornecer as linhas e colunas que se
deseja importar da planilha Excel. O formato depende da versão do Excel, se
inglês deve ser da forma: rxcy:rzcw (from row x column y to row z column w), se
em português, da forma: lxcy:lzcw (da linha x coluna y até a linha z coluna w);
Como criar um experimento

o Use a janela ExpMgr1 – Setup Screen, já aberta no canto direito do vídeo
o Escolha e forneça um nome para o experimento
o Defina a atividade – se classificação ou estimação de função
o Defina a opção de uso – treinamento / teste / treinamento e teste / validação
(selecione a opção treinamento e teste).
o Siga para a próxima etapa teclando “Next”
Como selecionar as variáveis de entrada e de saída

o Na coluna central spreadsheet variables aparece uma lista com todas as variáveis
(colunas) da planilha de dados. Com o cursor marque as variáveis de entrada e,
usando a seta da esquerda, mova-as para a coluna apropriada (esquerda). Faça o
mesmo com as variáveis de saída, movendo-as para a coluna da direita.
o Em caso de dúvida, recorra ao help.
o Siga para o próximo passo do experimento.
Como selecionar o conjunto para treinamento e para teste

(os conjuntos devem ser disjuntos)
o Escolha a quantidade de variáveis para os conjuntos de treinamento (70% é um
bom numero) e teste (30%).
o Escolha o método de seleção – aleatório para o conjunto de treinamento e o

restante para teste é uma boa opção.
o Se o problema é de classificação, você pode dar uma olhada na distribuição final
das classes para ambos os conjuntos – treinamento e teste (show class count)
o Em caso de dúvida, recorra ao help.
o Siga para o próximo passo do experimento.
Como monitorar os experimentos

o Você se encontra agora na janela Control Experiments Screen
o É a janela onde todos os modelos que você criar e experimentos que realizar
estarão presentes e serão executados. Possui quatro regiões distintas –
§ na região superior esquerda aparece um retângulo com a indicação dos
diferentes modelos (protótipos) criados.
§ na parte superior direita aparecem informações sobre a execução de um
experimento qualquer.
§ na parte inferior esquerda aparece uma barra de comandos com as
opções de criar um novo modelo (o primeiro já está automaticamente
criado para você), abrir um modelo existente, copiar um modelo
existente, eliminar um modelo ou ativar um dos modelos existentes para
ser usado no próximo experimento.
§ na região inferior direita aparece o estado do experimento selecionado
(para selecionar um modelo basta clicar sobre a figura do mesmo). Você
pode executar, suspender a execução temporariamente, ou parar a
execução.
Como configurar um modelo

o clique duas vezes sobre a figura do modelo desejado na região superior
esquerda da janela de monitoramento dos experimentos. Uma outra janela
(Experiment # Configuration) vai se abrir — ela vai permitir que você configure
seu modelo.
o esta janela apresenta três abas: Algorithm, Experiment Parameters e Reporting.
o na aba Algorithm você definira o algoritmo a ser implementado. Observe que a
direita aparece uma breve explicação sobre cada algoritmo que selecionar.
o dentre os algoritmos existentes, aquele de interesse para este curso é o da rede
neural do tipo MLP — Multi Layer Perceptron, treinada com o algoritmo
backpropagation.
o escolha agora a aba Experiment Parameters, observe que duas opções já estão
selecionadas por default— normalização das entradas e configuração do
algoritmo de treinamento, são as que você deve usar.
o para configurar o algoritmo de treinamento, clique duas vezes sobre a opção
configure algoritm na janela que está aberta. Na mesma janela, à direita, vai
aparecer um conjunto de opções sob o título Back Propagation / MLP Parameters.

Como especificar os parâmetros do algoritmo de treinamento

o A meia janela Back Propagation / MLP Parameters é subdividida em quatro
quadrantes – no canto superior esquerdo você define o número de camadas
internas (hidden layers) que deseja para o seu modelo.
o no canto inferior esquerdo você define o número de elementos de
processamento (neurônios) que deseja colocar em cada camada escondida
escolhida anteriormente, observe que o número de neurônios das camadas de
entrada e de saída já se encontra definido. Isto ocorre em função do número de
variáveis que você definiu no início do experimento. Você também pode definir
se as variáveis de saída devem ou não ser normalizadas. Nos caso de
aproximação de funções a saída normalizada é o default. Já nos casos de
classificação de padrões, o software automaticamente aloca um número de
saídas para a rede igual ao número de variáveis de saída do problema.
o no canto superior direito você define a taxa de aprendizado, a taxa de momento
e a taxa de ajuste dos pesos. A escolha de uma taxa de aprendizado e de
momento pode ser crítica para a capacidade de aprendizado (convergência) da
rede. Inicie a primeira com um valor relativamente alto (em torno de 0.5), e a
segunda com um valor baixo (em torno de 0.2 ou 0.1). Durante o treinamento
você pode parar o algoritmo (pause), alterar estes valores e continuar o treino. A
taxa de ajuste dos pesos pode ser a cada padrão (per pattern) ou a cada conjunto
completo de padrões (per epoch). O treino per epoch é menos suscetível a
oscilações e por isto o mais indicado nos casos dos exercícios usados neste curso.
o no canto inferior direito você define as condições de parada do treinamento que
podem ser: por tempo; por número de ciclos; por percentual do erro ou pelo
valor absoluto do erro médio quadrático – RMS. O mais indicado é usar um
critério de parada combinando por exemplo, o número de ciclos e o erro médio
quadrático (nos casos de aproximação de funções) ou percentual do erro (nos
casos de classificação de padrões). Outra opção oferecida nesta região é o
critério da escolha pelo melhor modelo verificado a cada número de ciclos que
você determinar (deixe esta opção inicialmente desligada).
Como especificar os parâmetros de configuração dos relatórios

o você deve ir para a opção Reporting da janela Experiment # Configuration
o observe que você pode definir uma variedade de diferentes opções para
acompanhamento do treinamento e para verificação dos resultados do teste.
o escolha a opção detailed report que ela selecionará automaticamente um conjunto
de opções que melhor lhe atenderá em função do tipo de experimento que está
realizando (classificação ou estimação).
o Clique agora em Apply e a seguir em OK, voltando para a janela de
monitoramento do experimento.
Como executar um experimento (treinamento da rede)

o uma vez que tenha selecionado todos os parâmetros, você está pronto para
iniciar o treinamento da rede clicando no botão start.
o ao iniciar o treinamento, no quadrante dos modelos, ao lado do modelo que
estiver usando (selecionado), aparecerá um retângulo com o formato de um
relatório. Clique duas vezes nesta figura e uma outra janela, de

acompanhamento do treino, se abrirá.
o esta janela apresenta uma barra de comandos com as opções: report, T, auto,
manual, options e help.
§ Report – permite você escolher o tipo de relatório que deseja visualizar,
dentre os tipos que tiver previamente selecionado para serem gerados.
§ T – permite você mudar a apresentação da evolução do treinamento do
modo numérico para o modo gráfico.
§ Auto – retorna a apresentação para o modo numérico.
§ Options – oferece funções para você definir formas de visualizar o display
gráfico.
o concluído o treinamento você deve verificar os relatórios com o desempenho
alcançado.
Como verificar o desempenho do modelo

o na opção report você pode avaliar o resultado do teste (test summary) através da
matriz de confusão (no caso de classificação) ou do padrão das saídas (em
qualquer dos casos – classificação ou estimação).
o no relatório experiment summary você encontra a opção summary for this report,
que lhe permite realizar a análise de sensibilidade sobre as variáveis de entrada.
Esta análise possibilita identificar as variáveis mais relevantes para o problema.
§ uma vez que você opte por realizar a redução de dimensionalidade do
problema, será necessário treinar a rede novamente com o novo conjunto
de variáveis de entrada e avaliar o desempenho com o modelo original,
completo.
Como preparar a rede para operação – configurando uma função

o a rede, após treinada, deve ser transformada em uma função para que possa ser
aplicada a outros dados:
§ na barra de ferramentas tecle na opção build — uma janela se abrirá com
a opção default já estabelecida — build function based on an experiment, tecle
ok e siga adiante.
§ na nova janela que se abre, você precisa apenas definir o nome que deseja
dar para identificar a rede (função) que acabou de implementar, por
exemplo, “mlp_teste1”.
Como usar a rede sobre novos dados

o você precisa abrir uma nova planilha de dados e estabeleçer os links com a
planilha do Excel que deseja carregar ou importar os dados, caso já estejam no
formato do PRW (.dat).
o escolha agora uma coluna vazia na nova planilha, clique no cabeçalho da
coluna, por exemplo “V33”, no espaço para comandos situado na barra de
ferramentas do PRW, aparecerá o rótulo da coluna, no caso v33. Escreva a partir
deste rótulo o comando para utilizar a função criada na fase anterior, no caso

deste exemplo, o comando ficaria: v33=mlp_teste1(v2:v23). Os argumentos

dentro dos parênteses representam as colunas onde estão os dados de entrada.
o tecle entre e observe que, a partir da coluna especificada – v33, serão
acrescentadas as saídas correspondentes para as novas entradas fornecidas.
Como Salvar um Experimento

o use a opção file da barra de ferramentas e em seguida a opção save ou save as.
Como sair do PRW

o use a opção file da barra de ferramentas e em seguida a opção exit, salvando ou
não o arquivo com os experimentos já realizados.

Estudo de Casos
Neste capítulo são apresentados alguns casos para estudo e aplicação de redes
neurais. Todos os casos são fictícios porém alguns são construídos a partir de dados reais.
Caso 1 – Planejamento de Vendas

O CASO DA HOLE-IN-ONE 
Hole-in-One
(*) Contribuição de Antonio Juarez Alencar
Quem está sintonizado com o Highly
que anda acontecendo pelo mundo advanced golf
sabe que o processo de globalização wear that
por que passa a economia mundial capture one’s
tende a colocar as organizações sob imagination
enorme pressão para se tornarem
competitivas. O aumento da 1325 Sunset Blvd, Silicon
qualidade e variedade dos produtos
e serviços colocados à disposição do consumidor faz com que as empresas tenham que
diminuir suas margens de lucro, repensarem seus processos de produção e de distribuição
e, eventualmente, procurarem novos nichos de mercado.
A HOLE-IN-ONE  é uma pequena fábrica de acessórios para prática de Golf,
produzindo sacolas, luvas calçados, camisas, calças, etc. A fábrica está localizada em San
José Del Cabos, uma cidade próxima a Acapulco. Até que o México se tornasse membro
do NAFTA - North America Free Trade Agreement, a empresa conseguia colocar facilmente
seus produtos em dezenas de lojas de Acapulco. Num pique de vendas ocorridos alguns
anos atrás, ela chegou a ter uma clientela substancial em cidades afastadas como Cancun,
Campeche, Veracruz e Tampico.
Hoje em dia, no entanto, com a abertura do mercado para importação de acessórios
da China, Malásia, Vietnã e Singapura via Estados Unidos, o mercado para os acessórios
comercializados pela HOLE-IN-ONE diminuiu substancialmente. Há alguns meses os
pedidos de compras começaram a escassear e várias posições da linha de montagem
tiveram que ser desativadas.
Diante destes fatos, Juan Montoya , principal executivo da empresa, adotou uma
série de medidas estratégicas na tentativa de recolocar seus produtos na cabeça do
consumidor: mudou o nome da empresa, antes ela se chamava Calçados JM, abriu uma
empresa virtual na Califórnia, da qual a fábrica mexicana passou a ser uma subsidiária,
mudou o lema da empresa (En la variedad está el gusto) e passou a colocar seus produtos

em sacolas de um tecido poroso especial e acondicioná-los em caixas hexagonais feitas

com uma mistura de papelão negro e alumínio reciclado.
Os canais de distribuição utilizados pela empresa também tiveram que mudar. Os
produtos que antes eram encontrados em lojas de segunda categoria, agora só podem ser
adquiridos através de demonstradores, que comparecem regularmente aos principais
clubes de golf e hotéis da cidade, encomendados diretamente à fábrica através do telefone
ou solicitados através da Internet.
Descrição do Problema
Um dos problemas que aflige Senhor Montoya são os custos associados a divulgação
de seus produtos nos clubes de golf da cidade. Embora a estratégia de contratar
demonstradoras em agências de modelos tenha se revelado extremamente eficaz, ela é
muito onerosa. Se o número de gringos jogando golf for reduzido a operação resulta em
prejuízo. O centro do problema é que a hora paga pelas demonstradoras é muito alta e
aparentemente não pode ser reduzida face a outras ofertas de trabalho que estão
disponíveis.
Ao contar seu problema para Don José Diaz, um velho amigo da família e grande
aficionado do golf, Senhor Montoya foi convencido a tentar encontrar um que lhe
permitisse determinar com precisão razoável, quando deveria e quando não enviar suas
demonstradoras para os clubes de golf. Don José argumentou que os dados necessários
para a construção deste modelo já estavam disponíveis. Bastava cruzar os dados históricos
do faturamento diário com variáveis tais como temperatura, vento, umidade, etc., que
podem ser facilmente recuperadas dos arquivos dos principais jornais da cidade ou
diretamente do serviço de meteorologia.
Construção do Modelo Neural

Você e seu grupo são os especialistas que a HOLE-IN-ONE contratou para analisar as
informações contidas nos bancos de dados da empresa e criar um modelo neural capaz de
indicar quando as promotoras devem ser enviadas ou não para os clubes de golf da
cidade.
No arquivo Profile você encontrará as informações coletadas junto ao serviço de
meteorologia de Acapulco e uma observação adicionada pelo Senhor Montoya indicando,
com base no faturamento obtido nas respectivas datas, se as vendedoras deveriam ter sido
enviadas naquele dia (casos de sucesso) ou não (casos de insucesso).
Construa seu modelo e depois avalie seu desempenho. Para isto considere que sem a
existência do modelo, o Senhor Montoya não teria outra alternativa que não a de enviar as
promotoras para os clubes de golf de Acapulco em todas as ocasiões e torcer pelo melhor.
Considerando que cada excursão infrutífera das demonstradoras causa um prejuízo entre
US$ 340 e US$ 480 verifique a eficácia do seu modelo, isto é, estime o montante que a
HOLE-IN-ONE poderá economizar no decorrer dos próximos 360 dias.
Aplicação do Modelo
O quadro abaixo mostra a previsão do tempo em Acapulco para os próximos 4 dias.

Diante destas informações aplique seu modelo e mostre ao Senhor Montaya como ele

deveria proceder em relação ao envio de demonstradoras para os clubes de golf da

cidade?
Dia Previsão do Tempo Temperatura Umidade Vento
23 de Agosto Ensolarado 92 oF 80% Fraco
24 de Agosto Nublado 88 oF 82% Médio
25 de Agosto Nublado 86 oF 84% Médio
26 de Agosto Chuvoso 85 oF 88% Fraco
Generalização do Modelo
Como todo empresário de sucesso, o Senhor Montaya está sempre a procura de

novas idéias para expandir seus negócios. Uma maneira que lhe parece óbvia é usar seu
modelo para reproduzir a mesma estratégia de venda construída para Acapulco em outras
cidades mexicanas.
Com essa idéia em mente o Senhor Montaya solicitou que sua equipe verificasse a
eficácia do modelo para a cidade Cacun, onde a HOLE-IN-ONE mantém uma equipe de
vendas que já vem atuando há algum tempo. No arquivo Prospect você encontra os dados
referentes aos negócios e ao clima de Cancun. Verifique se o modelo que construiu pode
ser estendido para Cancun ou se precisa ser refeito.
Layout dos Arquivos Profile e Prospect
a) Previsão do Tempo b) Temperatura (0F)
Valor Código Mínimo Máximo
Ensolarado 1 60 100
Nublado 2
c) Umidade (%)
Chuvoso 3
Mínimo Máximo
d) Vento
65 96
Valor Código
e) Mês do ano
Parado 1
Fraco 2 Valor Código
Médio 3 Janeiro 1
Forte 4 Fevereiro 2
f) Envio das Demonstradoras Março 3

Abril 4
Valor Código
Maio 5
Sim 1 Junho 6
Não 0 Julho 7
Agosto 8
Setembro 9
Outubro 10
Novembro 11
Dezembro 12
Caso 2 – Planejamento de Marketing I

O CASO DA DOSTOY’S
(*) Contribuição de Antonio Juarez Alencar
Que toda crise gera oportunidades não é
fato novo. Na Rússia, por exemplo, o término DOSTOY’S
da União das Repúblicas Socialistas Soviéti- Capitalist1
cas, fez surgir um novo paradigma econô- cood at
comunist
mico onde empresas estatais recentemente prices1
privatizadas passaram a competir com a má-
fia pela preferência de compra da população.
Antevendo que num país de dimensões
continentais como a Rússia, o eminente
colapso do sistema de transporte de massa e de comunicação colocaria uma parcela
significativa destes compradores em potencial fora do mercado de consumo, Claire Martin
e Penelope Johnson, duas inglesas do condado de Yorkshire, resolveram se mudar para a
St. Petersburg e fundar a DOSTOY’S, uma empresa especializada na venda de produtos por
catálogo.
O que parecia ser uma idéia sem pé nem cabeça de duas recém formadas, se tornou
num estrondoso sucesso comercial. Nos meses seguiram ao envio dos primeiros lotes de
catálogos pelo correio, para pessoas cujos nomes haviam sido literalmente retirados de
listas telefônicas desatualizadas de cidades do interior do país, milhares de pedidos
chegaram a então despreparada sede da empresa na avenida Kronichenco 1635.
Com o passar do tempo a empresa foi se organizando, os processos produtivos
foram sendo criados, a empresa adquiriu uma franquia dos correios, os primeiros
sistemas informatizados foram desenvolvidos e implementados, etc. Hoje o principal
catálogo da empresa, o “DOSTOY’S big show”, contém mais de 10.000 itens.
Um dos problemas mais importantes com que a empresa se depara no momento é o
da redução dos custos do processo de vendas de seus produtos. Cada catálogo que é
postado e que não resulta em vendas de pelo menos R$ 42,00 (quarenta e dois rublos)
causam um prejuízo considerável a DOSTOY’S. Não são somente os custos associados a

confecção impressão, manipulação e envio do catálogo que causam este prejuízo, mais
principalmente o custo pela perda de oportunidade. Afinal se o catálogo tivesse sido
enviado para a “pessoa certa”, ele teria gerado lucro, movimentado o estoque, divulgado
a empresa, fortalecido o relacionamento com o cliente, etc. Por mais irônico que possa
parecer, a saúde financeira do negócio está sendo afetada negativamente pela idéia que
viabiliza a existência do empreendimento em si, ou seja, o catálogo de produtos que é
remetido pelo correio.
As diretoras da DOSTOY’S estão cientes de que qualquer pedido espontâneo ou
mesmo induzido de envio de seus catálogos tem que ser atendido. O que elas estão
procurando são alternativas que venham a contribuir para a redução dos custos de
captação de novos clientes, especialmente nos casos de insucessos decorrentes do envio de
catálogos não solicitados, uma atividade crucial para o crescimento da base de clientes da
empresa.
Diversas alternativas foram levantadas e as diretoras optaram por aquela que
sugeria contratar uma equipe para conceber e desenvolver um sistema inteligente que
fosse capaz de identificar e classificar os possíveis novos clientes antes do envio do
catálogo. Este sistema formaria um expertise a partir das informações sobre os atuais
clientes, armazenadas nos bancos de dados da empresa e o extrapolaria sobre dados de
clientes potenciais. A idéia básica por trás disto estaria alicerçada na tese de que pessoas
com perfis parecidos também apresentam preferências parecidas.
Construção do Modelo Neural

Suponha que você e seu grupo são os especialistas contratados para analisar as
informações contidas nos bancos de dados da DOSTOY’S e criar um modelo que permita
calcular o valor de compra a priori de potenciais clientes que forem contatados de forma
não solicitada. No arquivo Profile você ira encontrar os dados relativos a um conjunto de
first buyers da DOSTOY’S, selecionado aleatoriamente no banco de dados da empresa.
Utilize estes dados para construir o modelo que a DOSTOY’S precisa.
Avaliação do Modelo Construído

a) Verifique se é possível reduzir o número de variáveis do modelo que você
construiu mantendo a mesma precisão das respostas que ele fornece.
b) As diretoras da DOSTOY’S estão um pouco cépticas quanto a eficácia do modelo
construído. Para testá-lo elas enviaram um novo lote de catálogos para uma lista de
clientes em perspectiva que elas obtiveram junto ao governo municipal de uma cidade
vizinha, estes dados estão armazenados no arquivo Prospects. Clair e Penelope desejam
que você exponha seu modelo a estes dados e calcule o percentual de vezes que o modelo
indicou erroneamente que o catálogo deveria ser enviado e o percentual de vezes que o
modelo indicou erroneamente que o catálogo não deveria ser enviado. A taxa de erro foi
diferente daquela obtida durante a utilização do arquivo Profile ? Justifique a sua resposta.
c) Sem o auxílio do modelo a DOSTOY’S não teria outra opção senão enviar catálogos
pelo correio para qualquer lista de clientes na qual ela coloque a mão. Considerando a
lista contida no arquivo Prospects e que compras abaixo de R$42,00 causam um prejuízo
equivalente a diferença entre este valor e o valor da compra, estime as quantias prevista e
efetiva que a DOSTOY’S estaria economizando ao utilizar seu modelo.

Layout dos Arquivos Profile e Prospect
a) Identificador do Cliente Curso Superior 3

Número ≥ 1
Pós-graduação 4
b) Valor da primeira compra
h) Ocupação
Mínimo +Provável Máximo
Valor Código
R$ 0 R$ 54 R$ 143
Liberal/ Autônomo 1
c) Idade
Funcionário Público 2
Mínimo +Provável Máximo
Assalariado 3
18 36 65
Empresário 4
d) Sexo
Aposentado 5
Valor Código Estudante 6
Masculino 1 Dona Casa 7
Feminino 2 Outro 0
e) Estado Civil i) Atuação Profissional
Valor Código Valor Código
Solteiro 1 Economia, Finanças e 1
Junto 2 Contabilidade
Casado 3 Marketing, Inovação ou 2
Vendas
Viúvo 4
Recursos Humanos ou 3
f) Número de Filhos Treinamento
Valor Código Estratégia ou Planejamento 4
0 0 Tecnologia 5
1 1 Operações 6
2 2 Jurídica 7
3 3 Segurança ou Seguros 8
≥4 4 Saúde 9
g) Escolaridade Outro 0
Valor Código n) Valor do Imóvel Residencial
Sem Educação Formal 0 Valor Código
1o Grau 1 ≤ R$50mil 1
2o Grau 2 R$51m a R$100m 2
j) Nível Gerencial
Valor Código R$101m a R$150m 3
Operacional /Técnico 1 R$150m a R$200m 4
Gerência Júnior 2 ≥ R$200 mil 5
Gerência Média 3 o) Automóveis na Residência

Diretor ou Superintendente 4 Valor Código
Presidente / Vice- 5 0 0
presidente
1 1
Sócio / Proprietário. 6
2 2
k) Faturamento da Empresa
3 3
Valor Código p) Computador na Residência
≤ R$10milhões 1 Valor Código
de R$10m a R$100m 2 Sim 1
de R$100m a 3 Não 2
R$500m
q) Local da Residência
de R$500m a R$1B 4
≥ R$1Bilhões 5 Valor Código
l) Tipo de Residência Apatity 1

Gatchina 2
Valor Código
Kostomuksha 3
Quarto 1
Lahdenpohja 4
Apartamento 2
Karelia 5
Casa 3
Pskov 6
m) Condição da Residência Segezha 7
Valor Código Sosnovy Bor 8
Emprestada 1 Syktyvkar 9
Alugada 2 Vyborg 10
Própria c/Financiamento 3
Própria 4

Caso 3 – Planejamento de Marketing II

O CASO DA µBOOKS
(*) Contribuição de Antonio Juarez
Alencar
A µBooks é uma empresa
californiana especializada na publicação
de livros e revistas voltadas para o grande
público. Ao contrário de outras editoras
que atuam no mercado norte americano a µBooks
µBooks não publica livros e revistas de
forma generalizada. Quando os objetivos OUR BEST REWARD IS YOUR FULL SATISFACTION
da empresa foram estabelecidos pelos seus criadores, John Wodsworth e Philips
Easywriting, no início dos anos sessenta, ficou decidido que a empresa atuaria apenas em
cinco áreas estratégicas: atividades ao ar-livre, esportes, negócios, automóveis, moda e
decoração.
Esforços na organização em temas específicos, aliado a uma obstinação ferrenha pela
qualidade de suas publicações e respeito pelos leitores, funcionou maravilhosamente. Ao
longo dos anos a clientela da µBooks vem aumentando com uma constância que parece
ignorar as recessões ocorridas durante o período. Muitos especialistas apontam a empresa
como destinada a se tornar uma das maiores organizações do ramo na próxima década.
Hoje a µBooks, uma organização que começou praticamente como uma empresa de fundo
de quintal, com um capital de apenas US$ 1000, publica centenas de livros e revistas que
são lidos por milhões de norte americanos.
As revistas que a µBooks publica são as seguintes:

Sports Illustrated
Revista de circulação semanal voltada para os esportes em geral. Tem como força
principal a qualidade e ineditismo das fotografias, assim como a divulgação de
informações privilegiadas sobre as equipes e principais figuras do mundo esportivo.
Business Intelligence
É uma revista semanal, voltada para o mundo dos negócios. Os artigos comentados
explicando e explorando o impacto dos últimos acontecimentos políticos e econômicos
sobre o mercado de bens e serviços são o carro chefe da revista.
Four Wheels
Revista quinzenal voltada para o universo dos automóveis de passeio. Os testes e
estudos comparativos realizados com os últimos lançamentos do mercado automobilístico
são o que mais chama a atenção do leitor.
Great Outdoors
Revista quinzenal voltada para atividades executadas ao ar livre tais como
caminhada, ciclismo, alpinismo, canoagem, etc. A qualidade das fotografias e os mapas
comentados são sempre elogiados pelos seus leitores.

The Stylist
Revista mensal voltada para o mundo da moda. Mostra e discute as principais
tendências do mercado pret-a-porte. As entrevistas com estilistas famosos e as fotografias
altamente elaboradas são os destaques da revista.
Interior Design
Revista mensal voltada para decoração de interiores. As fotos do interior de
residências de pessoas famosas e de ambientes especialmente preparados em maquetes de
tamanho natural são os elementos que mais agradam os leitores.
Com o intuito de aumentar o market share da µBooks a diretoria da empresa decidiu
lançar uma grande campanha de marketing para atrair novos assinantes para suas
revistas. A primeira parte desta campanha consiste em levantar o perfil das pessoas que
subscrevem as revistas publicadas pela empresa. Numa segunda etapa, de posse do perfil
dos assinantes de suas revistas a µBooks espera encontrar possibilidades de ampliar suas
vendas dentro do próprio conjunto de assinantes e pretende também, lançar diversas
campanhas promocionais capturando informações pessoais e psicográficas de prospects
(clientes em potencial). Como resultado destas campanhas será criado um banco de dados
cuja análise deverá identificar aqueles prospects mais propensos a assinarem cada uma das
revistas publicadas pela µBooks.
Existem ainda duas fontes adicionais de informações que a µBooks deverá estar
utilizando para prospectar clientes. A primeira tem origem nos bancos de dados de
campanhas promocionais de empresas que não competem no mesmo segmento. A outra
consiste no aluguel de banco de dados de empresas especializadas na captação de
informações psicográficas junto ao grande público, tais como Data Demografics, America
Data, Data General entre outras.
Construção do Modelo
Você e seu grupo de trabalho são os especialistas que a µBooks contratou para
identificar o perfil dos assinantes das revistas publicadas pela empresa e para indicar que
revistas são mais prováveis de serem subscritas por um determinado prospect. Você e seu
grupo de especialistas estão trabalhando a todo vapor. O grupo projetou o formulário com
as informações em anexo que foi enviado aos assinantes das revistas publicadas pela
µBooks.
A empresa especializada em fulfilment que a µBooks contratou, seguindo a indicação
que vocês fizeram, acaba de informar que centenas destes formulários já foram devolvidos
pelos assinantes. Todos os formulários recebidos até o momento foram digitados e
conferidos. Estas informações estão disponíveis no arquivo Profile. Eles informaram
também que o primeiro lote de informações de prospects oriundos das campanhas
promocionais se encontra disponível no arquivo Prospec. Cabe a você e a seu grupo de
trabalho, identificarem que revistas, se alguma, estes prospects estariam propensos a
assinarem.
Layout dos Arquivos Profile e Prostect

a) Ano de Nascimento i) Netos

Mínimo +Provável Máximo Valor Código
1983 1965 1936 Sim 1
b) Sexo Não 2
Valor Código j) Escolaridade
Masculino 1 Valor Código
Feminino 2 Sem Educação Formal 0
c) Estado Civil 1o Grau 1
Valor Código 2o Grau 2
Casado 1 Curso Superior 3
Junto 1 Pós-graduação 4
Solteiro 2
k) Ocupação
Viúvo 3
Valor Código
d) Filhos Menores (até 3 anos)
Liberal/ Autônomo 1
Valor Código
Funcionário Público 2
Sim 1
Assalariado 3
Não 2
Empresário 4
e) Filhos (entre 4 e 7 anos)
Aposentado 5
Valor Código
Estudante 6
Sim 1
Dona Casa 7
Não 2
Outro 0
f) Filhos Pré-adolescentes
l) Atuação Profissional
Valor Código
Valor Código
Sim 1
Área Finançeira 1
Não 2
Marketing 2
g) Filhos Adolescentes Recursos Humanos 3
Valor Código Estratégia ou Planejamento 4
Sim 1 Tecnologia 5
Não 2 Operações 6
h) Filhos Adultos Jurídica 7
Valor Código Segurança ou Seguros 8
Sim 1 Saúde 9
Não 2 Outro 0

m) Nível Gerencial r) Número de Automóveis

Valor Código Valor Código
Operacional /Técnico 1 0 0
Gerência Júnior 2 1 1
Gerência Média 3
2 2
Diretor ou Superintendente 4
3 3
Presidente / Vice- 5
presidente s) Computador na Residência
Sócio / Proprietário. 6 Valor Código
n) Faturamento da Empresa Sim 1
Valor Código Não 2
≤ R$10milhões 1 t) Usuário da Internet
de R$10m a R$100m 2 Valor Código
de R$100m a 3 Sim 1
R$500m Não 2
de R$500m a R$1B 4 u) TV por Assinatura
≥ R$1Bilhões 5 Valor Código
o) Tipo da Residência Sim 1
Valor Código Não 2
Quarto 1 v) Cartões de Crédito Internacional
Apartamento 2 Valor Código
Casa 3 Sim 1
p) Condição da Residência Não 2
Valor Código w) Programa de Milhagem
Emprestada 1 Valor Código
Alugada 2 Sim 1
Própria c/Financiamento 3 Não 2
Própria 4 x) Código das Revistas
q) Valor do Imóvel Revista Código
Valor Código Sports Illustrated 1230
≤ R$50mil 1 Business Intelligence 1220
R$51m a R$100m 2 Four Wheels 9103

Great Outdoors 1534
R$101m a R$150m 3
The Stylist 1002
R$150m a R$200m 4
Interior Design 2012
≥ R$200 mil 5

Caso 4 – Diagnóstico Médico

O CASO DA CLÍNICA PRÓ-SAÚDE
Há pouco mais de três anos um conjunto de médicos altamente especializados se

reuniram e montaram uma clínica dedicada ao tratamento e prevenção do câncer de
mama. A clínica, embora nova no mercado, já possui uma boa reputação, resultante do
currículo dos sócios fundadores e do sucesso alcançado nos casos já tratados.
A clínica agora almeja aumentar o número de clientes e assim firmar-se no mercado.
Uma reunião de diretoria foi convocada com a finalidade de definir uma estratégia de
ação.
O diretor presidente, após algumas palavras de ordem, explicou o ponto básico e o
objetivo principal a ser atingido. Lembrou aos demais membros que em sua opinião, a
divulgação pura e simples de um comercial através dos meios de comunicação seria um
processo oneroso para o porte da empresa e, além disto, não seria especificamente eficaz
por não focar diretamente o público alvo.
O gerente de marketing sugeriu então o lançamento de uma campanha promocional
visando a ampliação do cadastro de pacientes, onde, em espaços estrategicamente
reservados nos principais centros comerciais da cidade, a clínica oferecesse gratuitamente
a realização de exames preventivos.
Um dos médicos especialistas levantou o argumento de que o exame de toque é
relativamente demorado, requer sala e condições especiais e, alem do mais, iria tomar um
tempo muito grande e precioso do corpo médico da clínica.
O médico responsável pelo laboratório lembrou que com os equipamentos
recentemente adquiridos pela clínica é possível realizar o diagnóstico preventivo através
do exame laboratorial de uma pequena amostra de tecido retirado da mama da paciente.
Argumentou ainda, que a coleta desta amostra poderia ser feita de uma forma muito
rápida, sem a necessidade de um ambiente sofisticado e a um custo muito menor.
O gerente de informática sugeriu a possibilidade de desenvolver um sistema para
processar automaticamente os valores produzidos pelos equipamentos do laboratório e
gerar, automaticamente, um pré-diagnóstico. Alegou que desta forma, seria possível
atender um número maior de exames sem onerar o tempo dos médicos da clínica.
O gerente de marketing observou que com este sistema não seria possível apenas
agilizar o processo de diagnóstico, mas também ampliar o número de coletas de material
para exame e ainda reduzir os custos da campanha, caso fosse emitido também
automaticamente, uma comunicação padrão para aquelas pacientes cujos pré-diagnóticos
apontam para a existência de um possível cancer de mama.
A idéia foi aprovada e o gerente de informática encarregou sua equipe de apresentar
um sistema para processar os dados, emitir o pré-diagnóstico e, se possível, desenvolver
um esquema capaz de reduzir o custo das malas diretas a serem enviadas, focando-as
apenas ao conjunto das pessoas que apresentem um pré-diagnóstico positivo. O desafio
maior da equipe não está na emissão das malas diretas, mas sim na confiabilidade do pré-

diagnóstico e na possibilidade de reduzir ao mínimo ou mesmo eliminar a participação da

equipe médica na elaboração do pré-diagnóstico.
Layout do Arquivo de Dados

No arquivo denominado "cancer.xls", você dispõe de uma amostra real contendo 683
registros laboratoriais e seus respectivos pré-disgnósticos. Cada registro contém as
seguintes informações:
Descrição Valor
Código seqüencial inteiro

Espessura da massa celular real de 1 a 10
Uniformidade do tamanho da célula real de 1 a 10
Uniformidade do formato da célula real de 1 a 10
Adesão marginal real de 1 a 10
Tamanho de uma célula epitelial real de 1 a 10
Núcleo vazio real de 1 a 10
Cromatina branda real de 1 a 10
Normalidade do nucléolo real de 1 a 10
Mitose real de 1 a 10
Pré-diagnóstico 2 - Positivo
4 - Negativo

Considerando a tabela de custos abaixo e o conjunto de exames reservados para
teste, procure montar uma forma ou esquema que permita avaliar o desempenho
alcançado pelo modelo que construiu:
a) hora do médico para coleta de material - $130,00

b) hora do médico para analisar os resultados laboratoriais - $100,00
c) hora do atendente para coleta de material - $30,00
d) custo da mala direta por pessoa - $1,00
e) tempo do médico ou do atendente gasto na coleta de material – 15’ / pessoa
f) tempo do médico para emitir um diagnóstico – 30’
g) tempo do médico para analisar um pré-diagnóstico – 10’
h) gasto médio de um tratamento por paciente - $2000,00

Caso 5 – Aplicação Financeira

O CASO DA FINANCEIRA LUCREMAIS
A Lucremais é uma empresa formada por profissionais que ocupavam cargos de

direção em algumas das empresas governamentais privatizadas e que deixaram seus
empregos movidos pelos planos de incentivo à aposentadoria.
Fundada há pouco mais de 05 anos para atuar na área de mercado de capitais, a
Lucremais está sempre a busca de novos métodos e procedimentos operacionais que
possam lhe trazer alguma vantagem competitiva e melhorar seu desempenho financeiro e
dos seus associados.
Um dos segmentos cobertos pela empresa é o de mercado de ações, onde ela atua
aplicando recursos recebidos de seus clientes ou associados como os denomina. O
associado aplica no fundo Lucremais, cuja remuneração é variável e dependente do
resultado alcançado pela empresa com sua atuação na bolsa de valores de São Paulo.
A política adotada pela Lucremais é repassar como rendimento bruto para seu
cliente um percentual de 50% do resultado líquido alcançado com as operações de venda e
compra das ações contidas em seu portfólio. O rendimento ou débito é repassado aos
associados em períodos de 30 dias.
Dentre as ações geralmente negociadas pela Lucremais estão a Vale do Rio Doce
ON, a Telebrás RCTB ON, a Petrobrás ON e a Eletrobrás ON. Seus analistas de
investimento, além de acompanhar estas ações, também mantém um acompanhamento
diário do comportamento dos índices Bovespa, Down Jones e Nikey.
Recentemente alguns dos diretores da Lucremais lançaram, em reunião de
diretoria, a questão de que vários concorrentes têm divulgado o uso de redes neurais para
a previsão do valor futuro de uma ação. A técnica é nova, mas pelo zum-zum-zum do
mercado, parece que tem gerado resultados bastante interessantes, além de apresentar um
atrativo e um apelo novo para a captação de um maior volume de recursos junto aos
associados.
Considere a possibilidade de construir um modelo capaz de prever o valor futuro da
ação de uma das empresas disponíveis na base de dados: Vale do Rio Doce, Telebrás,
Petrobrás ou Eletrobrás. O sistema pode ser concebido inicialmente para prever com o
horizonte de um dia e depois estendido para um horizonte de cinco dias.
Layout do Arquivo de Dados

A base de dados disponível para concepção e avaliação do modelo cobre o período
de 2 de janeiro de 1996 até 01 de fevereiro de 1999, com um total de 764 pregões. Os
valores estão todos expressos em moeda americana (dólar) e além dos valores de abertura,
fechamento, máximo e mínimo, são também fornecidos o volume comercializado e a data
do pregão.

Avalie o modelo construído sob dois aspectos: um teórico e outro prático.

Para a avaliação teórica você deve calcular o erro médio quadrático normalizado, isto é:
some o erro quadrado sobre todos os pontos do conjunto de teste, extraia a raiz quadrada
do resultado e o divida pelo desvio padrão (calculado sobre a série usada para
treinamento) e pelo número de pontos do conjunto de teste menos um (observe a fórmula
abaixo).
1 ( yd − ye ) 2
Desempenho = ∗
n −1 δt
Para a avaliação prática, financeira, considere a seguinte regra de negócio:
a) não há falta de recursos para comprar ações;
b) há sempre compradores interessados nas ações postas a venda;
c) toda operação de compra e venda será sempre de um lote de 1000 ações;
d) a cada operação de compra ou venda haverá uma taxa de corretagem no valor de
1% do valor do negócio;
e) a tentativa de lucro deve ser buscada tanto nas operações de compra (quando a
estimativa do valor futuro superar o valor presente) como nas operações de venda
(quando a estimativa do valor futuro for para um valor menor que o presente);
f) as operações de compra e venda devem ser realizadas sempre que o lucro
estimado superar a taxa de corretagem em pelo menos 5%;
g) o valor da operação deve ser calculado com base nos valores reais da série, e o
desempenho do modelo deve ser levantado sobre todo o conjunto de teste e
comparado com a hipótese de ganho máximo, isto é, aquela em que se consegue
realizar sempre a melhor operação de venda ou de compra.

Referências Bibliográficas
[BAR01] Barbieri, Carlos – BI – Business Intelligence, Modelagem & Tecnologia,
Axcel Books, 2001.
[BAR96] Barquini, Ramon - Planning and designing the Warehouse, New Jersey,
Prentice-Hall, 1996, 311 pg.
[BAT86] Batini, C. E Lenzerini, M. - Comparative Analysis Of Methodologies For Database
Schema Integration, ACM Computing Surveys, New York, v.18, nº 4, pg.323-364,
Dezembro 1986.
[Bigus96] Joseph P. Bigus, Data Mining with Neural Networks – Solving Business
Problems – from Application Development to Decision Support, McGraw-Hill,
1996.
[Cha97] Chaudhuri, S. e Dayal, U. – An Overview of Data Warehousing and Olap
Tecnology, SIGMOD Record, New York, v.26, nº 1, pg.65-74, Março 1997.
[Cod95] Codd, E. F. Twelve Rules for On Line Analytical Processing, Computerworld,
Abril 1995.
[Fayyad99] Usama M. Fayyad, Gregory Piatetsky-Shapiro and Padhraic Smyth, From Data
Mining to Knowledge Discovery – An Overview.
[Flo97] Flohr, U. – OLAP by Web. Byte, Peterborough, v.22, nº 9, pg.81-84, Setembro
1997.
[Har96] Harjinder, G. E Rao, P. C. – The Officil Guide to Data Warehousing, Que
Corporation, 1996.
[INM96] Inmon, W. H. – Building the Data Warehouse, John Wiley & Sons Inc., New
York, 1996.
[INM97a] Inmon, W. H. & Richard D. Hackathorn – Como usar o Data Warehouse,
Infobook, Rio de Janeiro, 1997.
[KIM96] Kimball, Ralph – The Data Warehouse Toolkit, John Wiley & Sons Inc., New
York, 1996.
[ONE97] Oneil, B. – Oracle Data Warehousing. Indianapolis, Sams Publishing, 1997.
[Toshinori99] Toshiro Munakata, Discovery, Communication of the ACM, November
1999/ Vol. 42, Nr. 11, pág. 27-29.
[Zurada98] Jacek M. Zurada, Introduction to Neural Systems,


Apostila KDD Mbi

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apostila KDD Mbi

Uploaded by

Copyright:

Available Formats

REDES NEURAIS - UMA FERRAMENTA

PARA KDD E DATA MINING

Antonio Carlos Gay Thomé

Como especificar os parâmetros de configuração dos relatórios ______________________ 31

Antonio Carlos Gay Thomé Inteligência Computacional 3

“We’re interested in techniques that automatically find fundamental properties

Nesta última década, graças aos avanços nas técnicas de aquisição e de

Antonio Carlos Gay Thomé Inteligência Computacional 5

Antonio Carlos Gay Thomé Inteligência Computacional 6

Características Bancos de dados Operacionais Data Warehouse

Antonio Carlos Gay Thomé Inteligência Computacional 7

Histórico 60 a 90 dias 5 a 10 anos

Tabela 1 – Comparação entre Banco de Dados Operacionais e Data Warehouse.

Extra to r Extra to r Extra to r

Base Base Base

Esquema de Emprego de um Data Warehouse

Antonio Carlos Gay Thomé Inteligência Computacional 8

Data Mart Compras Data Mart

Data Marts departamentais.

Nesta arquitetura, grupos de usuários acessam diretamente os Data Marts de seus

Antonio Carlos Gay Thomé Inteligência Computacional 9

da empresa são realizadas sobre o DW. Os Data Marts se diferenciam do DW pelos

Antonio Carlos Gay Thomé Inteligência Computacional 10

KDD – Knowledge Discovery

KDD segundo este enfoque, envolve a avaliação e interpretação dos resultados

a) Seleção – é a etapa que consiste na análise dos dados existentes e na seleção

Antonio Carlos Gay Thomé Inteligência Computacional 12

“Data Mining é a concepção de modelos computacionais capazes de identificar e

A distinção entre um modelo e um padrão pode ser explicada como o padrão

Antonio Carlos Gay Thomé Inteligência Computacional 13

O processo de data mining difere das técnicas de OLAP já bastante difundidas na

Principais Objetivos de um Data Mining

Antonio Carlos Gay Thomé Inteligência Computacional 14

Classificação árvores de decisão e redes neurais

Tabela 2 – Estratégias de Data Mining

Aplicações para Data Mining

Antonio Carlos Gay Thomé Inteligência Computacional 15

Antonio Carlos Gay Thomé Inteligência Computacional 16

Em termos de diagnóstico o emprego de data mining visa o desenvolvimento de

Antonio Carlos Gay Thomé Inteligência Computacional 17

O Paradigma do modelo neural

Antonio Carlos Gay Thomé Inteligência Computacional 18

Antonio Carlos Gay Thomé Inteligência Computacional 19

A publicação de um livro intitulado “Perceptrons” feita por Marvin Minsk —

Alguns Conceitos Básicos

Antonio Carlos Gay Thomé Inteligência Computacional 20

Modelo matemático do neurônio artificial

A função de transferência geralmente se compõe de duas outras funções, a de

Antonio Carlos Gay Thomé Inteligência Computacional 21

A função de propagação p(.) também conhecida como limiar lógico — “threshold” —

Função Equação com Polarização Sem polarização Com polarização

Antonio Carlos Gay Thomé Inteligência Computacional 22

• Função degrau — limita a saída do neurônio a apenas dois valores (binário: 0 ou

Estrutura de uma Rede Neural

Antonio Carlos Gay Thomé Inteligência Computacional 23

sucesso na especificação dos mesmos depende da experiência e do sentimento do

Estrutura de uma Rede Neural

Cabe ressaltar que o aumento do número de camadas acarreta o aumento da

Antonio Carlos Gay Thomé Inteligência Computacional 24

• Recorrente – nesta topologia as redes possuem realimentação, onde um neurônio

Projeto de um Sistema Neural

Pré-processamento Pós-p rocessamento

Antonio Carlos Gay Thomé Inteligência Computacional 25