Slide 02 Ekstraksi dan Seleksi Fitur

(1)

Pengenalan Pola

PTIIK - 2014

(2)

Course Contents

Collect Data

1

Object to Dataset

2

Ekstraksi Fitur

3

Seleksi Fitur

(3)

Design Cycle

Collect data

Choose features

Choose model

Train system

Evaluate system

Apa sensor yang harus kita gunakan? Bagaimana mengumpulkan data?

Bagaimana mengetahui fitur apa yang dipilih, dan bagaimana kita memilihnya ...?

(Misal transformasi data fitur dengan PCA)

Apa classifier yang akan digunakan? Apakah ada classifier yang terbaik ...?

Bagaimana kita melakukan proses Training?

Bagaimana mengevaluasi kinerja sistem? Bagaimana memvalidasi hasil?

(4)

Collect Data

 Mengambil nilai data dari objek, Tipe data berdasarkan penskalaan datanya :

 Data Kualitatif : Data yang bukan berupa angka,. Terbagi dua : • Nominal : Data yang paling rendah dalam level pengukuran data.

Contoh : Jenis kelamin, Merk mobil, Nama tempat

• Ordinal : Ada tingkatan data. Contoh : Sangat setuju, Setuju, kurang setuju, tidak setuju.

 Data Kuantitatif : Data berupa angka dalam arti sebenarnya. Terbagi dua :

• Data Interval, Contoh : Interval temperatur ruang adalah sbb : Cukup panas jika antara 50C-80 C, Panas jika antara 80 C-110 C, Sangat panas jika antara 110 C-140 C.

(5)

Object to Dataset

 Ilustrasi transformasi data dari objek yang diamati :

Keterangan :

 M menyatakan banyak data, N menyatakan banyak fitur.

 Ektraksi fitur dilakukan jika data yang diamati masih berupa data mentah (masih berupa kumpulan citra).

(6)

Seleksi Fitur

 Problem : kompleksitas komputasi terhadap

pengenalan pola pada ruang dimensi yang tinggi.  Solusi : mapping data ke dalam ruang dimensi

(7)

Seleksi Fitur

• Pengurangan dimensi data dapat dilakukan dengan :

• Mengkombinasikan Fitur (secara linear maupun non-linear)

• Memilih himpunan bagian dari fitur-fitur yang tersedia

• Kombinasi Linier merupakan pendekatan yang menarik karena metode tersebut dilakukan

(8)

Seleksi Fitur

 Diberikan x ϵ RN_{, dengan tujuan untuk mencari}

(9)

Seleksi Fitur

 Dua pendekatan klasik untuk menghitung transformasi linier yang optimal :

 Principal Components Analysis (PCA): mencari proyeksi yang menyediakan informasi sebanyak mungkin dalam data dengan pendekatan least-squares.

 Linear Discriminant Analysis (LDA): mencari proyeksi terbaik yang dapat memisahkan data dengan

pendekatan least-squares.

 Tujuan PCA : mengurangi dimensi data dengan

mempertahankan sebanyak mungkin informasi

(10)

Seleksi fitur menggunakan PCA

 PCA memproyeksikan data

sepanjang suatu arah dimana data tersebut memiliki varians yang

tinggi

 Arah tersebut ditentukan oleh eigenvectors dari matriks

covariance yang memiliki nilai eigenvalues terbesar.

(11)

Seleksi Fitur

 Pendekatan vektor dengan menemukan basis ke dalam ruang dimensi yang lebih rendah

 Representasi ruang Dimensi-Lebih Tinggi :

 Represenasi ruang Dimensi-Lebih Rendah :

N Nv

a v

a

x  ₁ ₁  ₂ ₂ ...

N

v v

v₁, ₂,..., _{merupakan basis dari ruang dimensi N}

K Ku

b u

b

xˆ  ₁ ₁  ₂ ₂ ...

K

u u

(12)

 Pengurangan dimensi berdampak pada hilangnya informasi

 PCA mempertahankan sebanyak mungkin

informasi, dengan cara meminimalkan error :

 Bagaimana caranya menentukan sub-ruang dimensi yang lebih rendah yang terbaik ?

• Eigenvektor yang terbaik dari matriks covarians x

Eigenvalue yang terbesar

(13)

 Misalkan _x₁, _x₂, ..., _x_M terdapat dalam vektor _Nx 1

1. Mencari Mean (nilai rata-rata) dari data

2. Menghitung Zero Mean (setiap nilai pada data sampel dikurangi nilai rata-rata tiap fitur yang terkait)

3. Membangun matriks Covarians dengan mengkalikan matriks Zero Mean dengan transposenya

4. Menghitung eigenvalue

5. Menghitung matriks eigenvektor

6. Mengurangi dimensi sebesar K dimensi yang

(14)

 Langkah 1: Mencari Mean Global (nilai rata-rata)

 Langkah 2: Menghitung Zero Mean M

x x

x

x  1  2 ... M

M x

M

i



  1

x x_i

i  

(15)

 Langkah 3: Membangun matriks Covarians

dengan mengkalikan matriks Zero Mean dengan transposenya

 Populasi

 Sampel





   M

i

i T i

M C

1





  

 M

i

i T i

M C

1

(16)

 Langkah 4 : Menghitung eigenvalue dari C

 Hasil :

0 )

(  

  

U C I

U I U

C

U I

U C I

U U

C



 

 det( I C)0

N

 



(17)

 Langkah 5 : Menghitung eigenvektor

 Dari eigenvalue yang dihitung pada langkah 4, disubstitusikan ke rumus :

 Selesaikan dengan menemukan nilai U

 Hasil :

0 )

( I C U 

N

u u

u

(18)

 Langkah 6 : Mengurangi dimensi sebesar K dimensi

 Pilihlah fitur sebanyak K berdasarkan nilai eigenvalue terbesar

(19)

 Pemilihan nilai _K menggunakan kriteria berikut :

 Pada contoh kasus diatas, dapat dikatakan bahwa kita “menyediakan” 90% atau 95% informasi dari data yang tersedia

(20)

 Vektor asal _xdapat dibangun kembali menggunakan komponen prisipal-nya

 PCA meminimalkan error dari rekonstruksi prinsipal tersebut:

(21)

Contoh PCA : Menghitung EigenValue

 Misal diketahui dataset :

 Mean global

No Fitur 1 Fitur 2 Kelas 1 P11 P12 Mobil 2 P21 P22 Rumah

(22)

(23)

 EigenVektor

Vektor eigen didapatkan dengan persamaan :

0 Matrik kovarian :

(24)

 EigenVektor

Solusi non trivial sistem persamaan ini adalah :

dimana a adalah bilangan sembarang yang tidak nol.

Solusi non trivial sistem persamaan ini adalah :

(25)

 EigenVektor

Jadi Vektor eigen globalnya adalah :

(26)

Evaluasi Error dan Penentuan Jumlah K

 Transformasi data, fitur

 Tentukan nilai K dengan 90% informasi data yang kita gunakan

 Dari nilai K yang ditentukan akan diperoleh fitur yang dijadikan sebagai proses pengenalan pola

x x ˆ

k k

U

x

(27)

Diskusi

 Tentukan hasil transformasi dataset berikut !

No Fitur 1 Fitur 2 Fitur 3 Kelas

1 8 3 4 Apel

(28)

Latihan

 Tentukan hasil transformasi dataset berikut dengan Threshold = 95% untuk nilai K !

No Fitur 1 Fitur 2 Fitur 3 Kelas

1 10 7 2 Padi

2 6 5 4 Jagung

3 2 3 6 Gandum

(29)

Ketentuan Baru

 Bagi kelompok yang datasetnya banyak yang kualitatif silakan ganti dataset

 Bagi kelompok yang fiturnya melebihi 10 maka hilangkan fitur yang lain dan jadikan hanya 10 fitur saja atau cari dataset yang memiliki fitur maksimal 10 fitur

(30)

Tugas

(31)