Tese

Seleção e construção de features relevantes para o aprendizado de máquina (2000)

• Authors:
  • Lee, Huei Diana
  • Monard, Maria Carolina (Orientador)
• Autor USP: LEE, HUEI DIANA - ICMC
• Unidade: ICMC
• Sigla do Departamento: SCE
• Assunto: INTELIGÊNCIA ARTIFICIAL
• Language: Português
• Abstract: No aprendizado de máquina supervisionado - AM - é apresentado ao algoritmo de indução um conjunto de instâncias de treinamento, no qual cada instância é um vetor de features rotulado com a classe. O algoritmo de indução tem como tarefa induzir umclassificador que será utilizado para classificar novas instâncias. Algoritmos de indução convencionais baseam-se nos dados fornecidos pelo usuário para construir as descrições dos conceitos. Uma representação inadequada do espaço de busca ou dalinguagem de descrição do conjunto de instâncias, bem como erros nos exemplos de treinamento, podem tornar os problemas de aprendizado difícies. Um dos problemas centrais em AM é a Seleção de um Subconjunto de Features - SSF - na qual o objetivoé tentar diminuir o número de features que serão fornecidos ao algoritmo de indução. São várias as razões para a realização de SSF. A primeira é que a maioria dos algoritmos de AM, computacionalmente viáveis, não trabalham bem na presença demuitas features, i.e. a precisão dos classificadores gerados pode ser a melhorada com a aplicação de SSF. Ainda, com um número menor de features, a compreensibilidade de conceito induzido pode ser melhorada. Uma terceira razão é o alto custopara coletar e processar grande quantidade de dados. Existem, basicamente, três abordagens para a SSF: embedded, filtro e wrapper. Por outro lado, se as features utilizadas para descrever os exemplos de treinamento são inadequadas, os algoritmosde aprendizado estãopropensos a criar descrições excessivamente complexas e imprecisas. Porém, essas features, individualmente inadequadas, podem algumas vezes serem, convenientemente, combinadas gerando novas features que podem mostrar-sealtamente representativas para a descrição de um conceito. O processo de construção de novas features é conhecido como Construção de Features ou Indução Construtiva - IC. Neste trabalho são enfocadas as abordagens filtro e wrapper ) para a realização de SSF, bem como a IC guiada pelo conhecimento. É descrita uma série de experimentos usando SSF e IC utilizando quatro conjuntos de dados naturais e diversos algoritmos simbólicos de indução. Para cada conjunto dedados e cada indutor, são realizadas várias medidas, tais como, precisão, tempo de execução do indutor e número de features selecionadas pelo indutor. São descritos também diversos experimentos realizados utilizando três conjuntos de dados domundo real. O foco desses experimentos não está somente na avaliação da performance dos algoritmos de indução, mas também na avaliação do conhecimento extraído. Durante a extração de conhecimento, os resultados foram apresentados aosespecialistas para que fossem feitas sugestões para experimentos futuros. Uma parte do conhecimento extraído desses três estudos de casos de casos foram considerados muito interessantes pelos especialistas. Isso mostra que a interação dediferentes áreas de conhecimento, neste caso específico, áreas médica e computacional,pode produzir resultados interessantes. Assim, para que a aplicação do Aprendizado de Máquina possa gerar frutos é necessário que dois grupos de pesquisadoressejam unidos: aqueles que conhecem os métodos de AM existentes e aqueles com o conhecimento no domínio da aplicação para o fornecimento de dados e a avaliação do conhecimento adquirido
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2000
• Data da defesa: 27.04.2000


---

How to cite

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

• ABNT

  LEE, Huei Diana. Seleção e construção de features relevantes para o aprendizado de máquina. 2000. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2000. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032002-113112/. Acesso em: 19 set. 2024.

• APA

  Lee, H. D. (2000). Seleção e construção de features relevantes para o aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032002-113112/

• NLM

  Lee HD. Seleção e construção de features relevantes para o aprendizado de máquina [Internet]. 2000 ;[citado 2024 set. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032002-113112/

• Vancouver

  Lee HD. Seleção e construção de features relevantes para o aprendizado de máquina [Internet]. 2000 ;[citado 2024 set. 19 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-15032002-113112/

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

• Seleção de atributos importantes para a extração de conhecimento de bases de dados