Tese

Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets (2001)

• Authors:
  • Pila, Adriano Donizete
  • Monard, Maria Carolina (Orientador)
• Autor USP: PILA, ADRIANO DONIZETE - ICMC
• Unidade: ICMC
• Sigla do Departamento: SCE
• Assunto: APRENDIZADO COMPUTACIONAL
• Language: Português
• Abstract: No Aprendizado de Máquina Supervisionado - AM - o algoritmo de indução trabalha com um conjunto de exemplos de treinamento, no qual cada exemplo é constituído de um vetor com os valores dos atributos e as classes, e tem como tarefa induzir um classificador capaz de predizer a qual classe pertence um novo exemplo. Em geral, os algoritmos de indução baseiam-se nos exemplos de treinamento para a construção do classificador, sendo que uma representação inadequada desses exemplos, bem como inconsistências nos mesmos podem tornar a tarefa de aprendizado difícil. Um dos problemas centrais da AM é a Seleção de um Subconjunto de Atributos - SSA - cujo objetivo é diminuir o número de atributos realizados na representação de exemplos. São três as principais razões para a realização da SSA. A primeira razão é que a maioria dos algoritmos de AM, computacionalmente viáveis, não trabalham bem na presença de vários atributos. A segunda razão é que, com um número menor de atributos, o conceito induzido através do classificador pode ser melhor compreendido. E, a terceira razão é o alto custo para coletar e processar grande quantidade de informações. Basicamente, são as três abordagens para a SSA: embedded, filtro e wrapper. A teoria de Rough Sets - RS - é uma abordagem matemática criada no início da década de 80, cuja principal funcionalidade são os redutos, e será tratada neste trabalho. Segundo essa abordagem, os redutos são subconjuntos mínimos de atributos que possuema propriedade de preservar o poder da descrição do conceito relacionado ao conjunto de todos os atributos. Neste trabalho o enfoque está na abordagem filtro para a realização da SSA utilizando como filtro os redutos calculados através de RS. São descritos vários experimentos sobre nove conjuntos de dados naturais utilizando redutos, bem como outros filtros para SSA. Feito isso, os atributos selecionados foram submetidos a dois algoritmos simbólicos de AM Para cada conjunto de dados e indutor, foram realizadas várias medidas, tais como número de atributos selecionados, precisão e números de regras induzidas. Também, é descrito um estudo de caso sobre um conjunto de dados no mundo real proveniente da área médica. O objetivo desse estudo pode ser dividido em dois focos: comparar a precisão dos algoritmos de indução e avaliar o conhecimento extraído com a ajuda do especialista. Embora o conhecimento extraído não apresente surpresa, pôde-se confirmar algumas hipóteses feitas anteriormente pelo especialista utilizando outros métodos. Isso mostra que o Aprendizado de Máquina também pode ser visto como uma contribuição para outros campos científicos
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2001
• Data da defesa: 25.05.2001


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  PILA, Adriano Donizete. Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets. 2001. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2001. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13022002-153921/. Acesso em: 18 abr. 2024.

• APA

  Pila, A. D. (2001). Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13022002-153921/

• NLM

  Pila AD. Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets [Internet]. 2001 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13022002-153921/

• Vancouver

  Pila AD. Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets [Internet]. 2001 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13022002-153921/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Computação Evolutiva para a Construção de Regras de Conhecimento com Propriedades Específicas