Redes Bayesianas para classificação com aprendizado via Scoring and Restrict: método, aplicação e comparação com métodos tradicionais (2021)
- Authors:
- Autor USP: OZELAME, CAMILA SGARIONI - ICMC/UFSCar
- Unidade: ICMC/UFSCar
- Sigla do Departamento: SME
- Subjects: PROBABILIDADE; TEORIA DOS GRAFOS; INFERÊNCIA ESTATÍSTICA
- Keywords: Bayesian networks; Classificadores; Classifiers; Comparação; Comparison; Estimação de estrutura; Estimação de parâmetros; Parameter estimation; Redes bayesianas; Structure estimation
- Language: Português
- Abstract: Este trabalho é uma investigação sobre o comportamento das Redes Bayesianas (RB) discretas que visam resolver problemas de classificação. Esta metodologia é baseada em teorias dos grafos e de probabilidade, sendo as RBs definidas como um modelo gráfico probabilístico que permite visualizar as relações entre as variáveis consideradas aleatórias e, em geral, simplifica o entendimento de domínios complexos. Com o intuito de compreender seu desempenho, foram selecionados os classificadores Naïve Bayes (NB), o Tree Augmented Naïve Bayes (TAN), o K-Dependence Bayesian Network (KDB), o Bayesian Network Augmented Naïve Bayes (BAN), o General Bayesian Network (GBN) e o Averaged One-Dependence Estimator (AODE) para serem comparados. Desse modo, o AODE, um classificador combinado, apresenta a melhor performance preditiva em relação aos demais. Aliado a isso, foi proposta uma metodologia híbrida de estimação de rede, que tem como principal objetivo a classificação de maneira mais parcimoniosa. Os estudos de simulação conduzidos apontam que o novo método atende às expectativas de acréscimo na capacidade preditiva e indicam a redução da complexidade das relações entre as variáveis. Além disso, as aplicações em bases de dados reais auxiliam a melhor compreensão em torno da nova abordagem. Por fim, foi avaliada uma combinação entre os classificadores apresentados por meio do stacking, que sinalizou aumento na capacidade preditiva em relação aos classificadores analisados individualmente.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 05.04.2021
-
ABNT
OZELAME, Camila Sgarioni. Redes Bayesianas para classificação com aprendizado via Scoring and Restrict: método, aplicação e comparação com métodos tradicionais. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23062021-111521/. Acesso em: 12 maio 2024. -
APA
Ozelame, C. S. (2021). Redes Bayesianas para classificação com aprendizado via Scoring and Restrict: método, aplicação e comparação com métodos tradicionais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23062021-111521/ -
NLM
Ozelame CS. Redes Bayesianas para classificação com aprendizado via Scoring and Restrict: método, aplicação e comparação com métodos tradicionais [Internet]. 2021 ;[citado 2024 maio 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23062021-111521/ -
Vancouver
Ozelame CS. Redes Bayesianas para classificação com aprendizado via Scoring and Restrict: método, aplicação e comparação com métodos tradicionais [Internet]. 2021 ;[citado 2024 maio 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-23062021-111521/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
