Um ambiente de avaliação de algoritmos de aprendizado de máquina utilizando exemplos (1997)
- Autores:
- Autor USP: BATISTA, GUSTAVO ENRIQUE DE ALMEIDA PRADO ALVES - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCE
- Assunto: INTELIGÊNCIA ARTIFICIAL
- Idioma: Português
- Resumo: Um sistema de aprendizado supervisionado é um programa capaz de realizar decisões baseado na experiência contida em casos resolvidos com sucesso. As regras de classificação induzidas por um sistema de aprendizado podem ser analisadas segundo doiscritérios: a complexidade dessas regras e o erro de classificação sobre um conjunto independente de exemplos. Sistemas de aprendizados têm sido desenvolvidos na prática utilizando diferentes paradigmas incluindo estatística, redes neurais, bemcomo sistemas de aprendizado simbólico proposicionais e relacionais. Diversos métodos de aprendizado podem ser aplicados à mesma amostra de dados e alguns deles podem desempenhar melhor que os outros. Para uma dada aplicação, não existemgarantias que qualquer um desses método é necessariamente o melhor. Em outra palavras, não existe uma análise matemática que possa determinar se um algoritmo de aprendizado irá desempenhar melhor que outro. Desta forma, estudos experimentais sãonecessários. Neste trabalho nos concentramos em uma tarefa de aprendizado conhecida como classificação ou predição, na qual o problema consiste na construção de um procedimento de classificação a partir de um conjunto de casos no qual as classesverdadeiras são conhecidas, chamado de aprendizado supervisionado. O maior objetivo de um classificador é ser capaz de predizer com sucesso a respeito de novos casos. A performance de um classificador é medida em termos da taxa de erro. Técnicasexperimentais paraestimar a taxa de erro verdadeira não somente provêm uma base para comparar objetivamente as performances de diversos de aprendizado no mesmo conjunto de exemplos, mas também podem ser uma ferramenta poderosa para projetar umclassificador. As técnicas para estimar a taxa de erro são baseados na teoria estatística de resampling. Um ambiente chamado AMPSAM foi implementado para ajudar na aplicação dos métodos de resampling em conjuntos de exemplos ) do mundo real. AMPSAM foi projetado como uma coleção de programas independentes, os quais podem interagir entre si através de scripts pré-definidos ou de novos scripts criados pelo usuário. O ambiente utiliza um formato padrão paraarquivo de exemplos o qual é independente da sintaxe de qualquer algoritmo. AMPSAM também inclui ferramentas para particionar conjuntos de exemplos em conjuntos de treinamento e teste utilizando diferentes métodos de resampling. Além do métodoholdout, que é o estimador de taxa de erro mais comum, AMPSAM suporta os métodos n-fold cross-validation - incluindo o leaning-one-out - e o método bootstrap. AAs matrizes de confusão produzidas em cada iteração utilizando conjuntos detreinamento e teste podem ser fornecidas a um outro sistema implementado chamado SMEC. Este sistema calcula e mostra graficamente algumas das medidas descritivas mais importantes relacionadas com tendência central e dispersão dos dadops. Estetrabalho também relata os resultados experimentais a respeito de medidas do errode classificação de três classificadores proposicionais e relacionais bem conhecidos, utilizando ambos os sistemas implementados, em diversos conjuntos de exemplosfrequentemente utilizados em pesquisas de Aprendizado de Máquina
- Imprenta:
- Local: São Carlos
- Data de publicação: 1997
- Data da defesa: 15.10.1997
-
ABNT
BATISTA, Gustavo Enrique de Almeida Prado Alves. Um ambiente de avaliação de algoritmos de aprendizado de máquina utilizando exemplos. 1997. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 1997. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19082002-234842/. Acesso em: 25 set. 2024. -
APA
Batista, G. E. de A. P. A. (1997). Um ambiente de avaliação de algoritmos de aprendizado de máquina utilizando exemplos (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19082002-234842/ -
NLM
Batista GE de APA. Um ambiente de avaliação de algoritmos de aprendizado de máquina utilizando exemplos [Internet]. 1997 ;[citado 2024 set. 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19082002-234842/ -
Vancouver
Batista GE de APA. Um ambiente de avaliação de algoritmos de aprendizado de máquina utilizando exemplos [Internet]. 1997 ;[citado 2024 set. 25 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-19082002-234842/ - Uma avaliação sobre a identificação de Motifs em séries temporais
- Evaluating ranking composition methods for multi-objective optimization of knowledge rules
- A complexity-invariant measure based on fractal dimension for time series classification
- A fuzzy classifier for data streams with infinitely delayed labels
- Unsupervised context switch for classification tasks on data streams with recurrent concepts
- Evaluating stream classifiers with delayed labels information
- How k-nearest neighbor parameters affect its performance
- Avaliação de classificadores para o reconhecimento automático de insetos
- A comparative study between MFCC and LSF coefficients in automatic recognition of isolated digits pronounced in Portuguese and English
- Prefix and suffix invariant dynamic time warping
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas