Exportar registro bibliográfico

Seleção de atributos para aprendizagem multirrótulo (2014)

  • Authors:
  • Autor USP: SPOLAÔR, NEWTON - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SCC
  • Subjects: APRENDIZADO COMPUTACIONAL; REVISÃO SISTEMÁTICA; RÓTULOS (ATRIBUIÇÃO;SELEÇÃO;CONSTRUÇÃO)
  • Keywords: Construção de rótulos; Ganho de informação; Information gain; Label construction; Multi-label feature selection; ReliefF; ReliefF; Revisão sistemática; Seleção de atributos multirrótulo; Systematic review
  • Language: Português
  • Abstract: A presença de atributos não importantes, i.e., atributos irrelevantes ou redundantes nos dados, pode prejudicar o desempenho de classificadores gerados a partir desses dados por algoritmos de aprendizado de máquina. O objetivo de algoritmos de seleção de atributos consiste em identificar esses atributos não importantes para remová-los dos dados antes da construção de classificadores. A seleção de atributos em dados monorrótulo, nos quais cada exemplo do conjunto de treinamento é associado com somente um rótulo, tem sido amplamente estudada na literatura. Entretanto, esse não é o caso para dados multirrótulo, nos quais cada exemplo é associado com um conjunto de rótulos (multirrótulos). Além disso, como esse tipo de dados usualmente apresenta relações entre os rótulos do multirrótulo, algoritmos de aprendizado de máquina deveriam considerar essas relações. De modo similar, a dependência de rótulos deveria também ser explorada por algoritmos de seleção de atributos multirrótulos. A abordagem filtro é uma das mais utilizadas por algoritmos de seleção de atributos, pois ela apresenta um custo computacional potencialmente menor que outras abordagens e utiliza características gerais dos dados para calcular as medidas de importância de atributos. tais como correlação de atributo-classe, entre outras. A hipótese deste trabalho é que algoritmos de seleção de atributos em dados multirrótulo que consideram a dependência de rótulos terão um melhor desempenho que aqueles queignoram essa informação. Para tanto, é proposto como objetivo deste trabalho o projeto e a implementação de algoritmos filtro de seleção de atributos multirrótulo que consideram relações entre rótulos. Em particular, foram propostos dois métodos que levam em conta essas relações por meio da construção de rótulos e da adaptação inovadora do algoritmo de seleção de atributos monorrótulo ReliefF. Esses métodos foram avaliados experimentalmente e apresentam bom desempenho em termos de redução no número de atributos e qualidade dos classificadores construídos usando os atributos selecionados
  • Imprenta:
  • Data da defesa: 24.09.2014
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SPOLAÔR, Newton; LEE, Huei Diana; MONARD, Maria Carolina. Seleção de atributos para aprendizagem multirrótulo. 2014.Universidade de São Paulo, São Carlos, 2014. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25032015-160505/ >.
    • APA

      Spolaôr, N., Lee, H. D., & Monard, M. C. (2014). Seleção de atributos para aprendizagem multirrótulo. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25032015-160505/
    • NLM

      Spolaôr N, Lee HD, Monard MC. Seleção de atributos para aprendizagem multirrótulo [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25032015-160505/
    • Vancouver

      Spolaôr N, Lee HD, Monard MC. Seleção de atributos para aprendizagem multirrótulo [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-25032015-160505/

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

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2021