Ver registro no DEDALUS
Exportar registro bibliográfico

LEGAL-Tree: um algoritmo genético multi-objetivo para indução de árvores de decisão (2010)

  • Authors:
  • USP affiliated authors: BASGALUPP, MÁRCIO PORTO - ICMC
  • USP Schools: ICMC
  • Subjects: ALGORITMOS GENÉTICOS; COMPUTAÇÃO EVOLUTIVA; COMPUTAÇÃO BIOINSPIRADA
  • Language: Português
  • Abstract: Dentre as diversas tarefas em que os algoritmos evolutivos têm sido empregados, a indução de regras e de árvores de decisão tem se mostrado uma abordagem bastante atrativa em diversos domínios de aplicação. Algoritmos de indução de árvores de decisão representam uma das técnicas mais populares em problemas de classificação. Entretanto, os algoritmos tradicionais de indução apresentam algumas limitações, pois, geralmente, usam uma estratégia gulosa, top down e com particionamento recursivo para a construção das árvores. Esses fatores degradam a qualidade dos dados, os quais podem gerar regras estatisticamente não significativas. Este trabalho propõe o algoritmo LEGAL-Tree, uma nova abordagem baseada em algoritmos genéticos para indução de ávores de decisão. O algoritmo proposto visa evitar a estratégia gulosa e a convergência para ótimos locais. Para isso, esse algoritmo adota uma abordagem multi-objetiva lexicográfica. Nos experimentos realizados sobre bases de dados de diversos problemas de classificação, a função de fitness de LEGAL-Tree considera as duas medidas mais comuns para avaliação das árvores de decisão: acurácia e tamanho da árvore. Os resultados obtidos mostraram que LEGAL-Tree teve um desempenho equivalente ao algoritmo SimpleCart (implementação em Java do algoritmo CART) e superou o tradicional algoritmo J48 (implementação em Java do algoritmo C4.5), além de ter superado também o algoritmo evolutivo GALE. A principal contribuição de LEGAL-Tree não foigerar árvores com maior acurácia preditiva, mas sim gerar árvores menores e, portanto, mais compreensíveis ao usuário do que as outras abordagens, mantendo a acurácia preditiva equivalente. Isso mostra que LEGAL-Tree obteve sucesso na otimização lexicográfica de seus objetivos, uma vez que a idéia era justamente dar preferência às árvores menores (em termos de número de nodos) quando houvesse equivalência de acurácia
  • Imprenta:
  • Data da defesa: 23.02.2010
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    ICMC30300041488T B299Lt e.1
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      BASGALUPP, Márcio Porto; CARVALHO, André Carlos Ponce de Leon Ferreira de; FREITAS, Alex Alves. LEGAL-Tree: um algoritmo genético multi-objetivo para indução de árvores de decisão. 2010.Universidade de São Paulo, São Carlos, 2010. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12052010-165344/ >.
    • APA

      Basgalupp, M. P., Carvalho, A. C. P. de L. F. de, & Freitas, A. A. (2010). LEGAL-Tree: um algoritmo genético multi-objetivo para indução de árvores de decisão. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12052010-165344/
    • NLM

      Basgalupp MP, Carvalho ACP de LF de, Freitas AA. LEGAL-Tree: um algoritmo genético multi-objetivo para indução de árvores de decisão [Internet]. 2010 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12052010-165344/
    • Vancouver

      Basgalupp MP, Carvalho ACP de LF de, Freitas AA. LEGAL-Tree: um algoritmo genético multi-objetivo para indução de árvores de decisão [Internet]. 2010 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-12052010-165344/

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