Ver registro no DEDALUS
Exportar registro bibliográfico

Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles (2002)

  • Authors:
  • USP affiliated authors: BERNARDINI, FLÁVIA CRISTINA - ICMC
  • USP Schools: ICMC
  • Sigla do Departamento: SCE
  • Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL
  • Language: Português
  • Abstract: A qualidade das hipóteses induzidas pelos atuais sistemas de Aprendizado de Máquina depende principalmente da quantidade e da qualidade dos atributos e exemplos utilizados no treinamento. Frequentemente, resultados experimentais obtidos sobre grandes bases de dados, que possuem muitos atributos irrelevantes, resultam em hipóteses de baixa precisão. Por outro lado, muitos dos sistemas de aprendizado de máquina conhecidos não são preparados para trabalhar com uma quantidade muito grande de exemplos. Assim, uma das áreas de pesquisa mais ativas em aprendizado de máquina tem girado em torno de técnicas que sejam capazes de ampliar a capacidade dos algoritmos de aprendizado para processar muitos exemplos de treinamento, atributos e classes. Para que conceitos sejam aprendidos a partir de grandes bases de dados utilizando Aprendizado de Máquina, pode-se utilizar duas abordagens. A primeira realiza uma seleção de exemplos e atributos mais relevantes, e a segunda é a abordagem de ensembles. Um ensemble é um conjunto de classificadores cujas decisões individuais são combinadas de alguma forma para classificar um caso novo. Ainda que ensembles classifiquem novos exemplos melhor que cada classificador individual, eles se comportam como caixas pretas, no sentido de não oferecer ao usuário alguma explicação relacionada à classificação por eles fornecida. O objetivo deste trabalho é propor uma forma de combinação de classificadores simbólicos, ou seja, classificadoresinduzidos por algoritmos de AM simbólicos, nos quais o conhecimento é descrito na forma de regras if-then ou equivalentes, para se trabalhar com grandes bases de dados. A nossa proposta é a seguinte: dada uma grande base de dados, divide-se esta base aleatoriamente em pequenas bases de tal forma que é viável fornecer essas bases de tamanho menor a um ou vários algoritmos de AM simbólicos. Logo após, as regras que constituem os classificadores induzidos por ) esses algoritmos são combinadas em um único classificador. Para analisar a viabilidade do objetivo proposto, foi implementado um sistema na linguagem de programação lógica Prolog, com a finalidade de (a) avaliar regras de conhecimento induzidas por algoritmos de Aprendizado de Máquina simbólico e (b) avaliar diversas formas de combinar classificadores simbólicos bem como explicar a classificação de novos exemplos realizada por um ensemble de classificadores simbólicos. A finalidade (a) é implementada pelo Módulo de Análise de Regras e finalidade (b) pelo Módulo de Combinação e Explicação. Esse módulos constituem os módulos principais do RuleSystem. Neste trabalho, são descritos os métodos de construção de ensembles e de combinação de classificadores encontrados na literatura, o projeto e a documentação do RuleSystem, a metodologia desenvolvida para documentar o sistema RuleSystem, a implementação do Módulo de Combinação e Explicação e duas aplicações do Módulo de Combinação e Explicação. A primeira aplicaçãoutilizou uma base de dados artificiais, a qual nos permitiu observar necessidades de modificações no Módulo de Combinação e Explicação. A segunda aplicação utilizou uma base de dados reais
  • Imprenta:
  • Data da defesa: 17.05.2002
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    ICMC30300029925T B523cc e.1
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      BERNARDINI, Flávia Cristina; MONARD, Maria Carolina. Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles. 2002.Universidade de São Paulo, São Carlos, 2002. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29042003-091747/ >.
    • APA

      Bernardini, F. C., & Monard, M. C. (2002). Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29042003-091747/
    • NLM

      Bernardini FC, Monard MC. Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles [Internet]. 2002 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29042003-091747/
    • Vancouver

      Bernardini FC, Monard MC. Combinação de classificadores simbólicos para melhorar o poder preditivo e descritivo de Ensembles [Internet]. 2002 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-29042003-091747/

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