Avaliação seleção de modelos em detecção não supervisionada de outliers (2015)
- Authors:
- Autor USP: MARQUES, HENRIQUE OLIVEIRA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: VALORES ATÍPICOS; BASES DE DADOS; APRENDIZADO COMPUTACIONAL; VALIDAÇÃO DE MODELOS; DESCOBERTA DE CONHECIMENTO; MINERAÇÃO DE DADOS
- Keywords: Avaliação não supervisionada; Detecção de outliers; Internal evaluation; Models selection; Outlier detection; Seleção de modelos; Validação; Validation
- Language: Português
- Abstract: A área de detecção de outliers (ou detecção de anomalias) possui um papel fundamental na descoberta de padrões em dados que podem ser considerados excepcionais sob alguma perspectiva. Uma importante distinção se dá entre as técnicas supervisionadas e não supervisionadas. O presente trabalho enfoca as técnicas de detecção não supervisionadas. Existem dezenas de algoritmos desta categoria na literatura, porém cada um deles utiliza uma intuição própria do que deve ser considerado um outlier ou não, que é naturalmente um conceito subjetivo. Isso dificulta sensivelmente a escolha de um algoritmo em particular e também a escolha de uma configuração adequada para o algoritmo escolhido em uma dada aplicação prática. Isso também torna altamente complexo avaliar a qualidade da solução obtida por um algoritmo/configuração em particular adotados pelo analista, especialmente em função da problemática de se definir uma medida de qualidade que não seja vinculada ao próprio critério utilizado pelo algoritmo. Tais questões estão inter-relacionadas e se referem respectivamente aos problemas de seleção de modelos e avaliação (ou validação) de resultados em aprendizado de máquina não supervisionado. Neste trabalho foi desenvolvido um índice pioneiro para avaliação não supervisionada de detecção de outliers. O índice, chamado IREOS (Internal, Relative Evaluation of Outlier Solutions), avalia e compara diferentes soluções (top-n, i.e., rotulações binárias) candidatas baseando-se apenas nasinformações dos dados e nas próprias soluções a serem avaliadas. O índice também é ajustado estatisticamente para aleatoriedade e extensivamente avaliado em vários experimentos envolvendo diferentes coleções de bases de dados sintéticas e reais
- Imprenta:
- Publisher place: São Carlos
- Date published: 2015
- Data da defesa: 23.03.2015
-
ABNT
MARQUES, Henrique Oliveira. Avaliação seleção de modelos em detecção não supervisionada de outliers. 2015. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2015. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-26062015-101457/. Acesso em: 03 jan. 2026. -
APA
Marques, H. O. (2015). Avaliação seleção de modelos em detecção não supervisionada de outliers (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-26062015-101457/ -
NLM
Marques HO. Avaliação seleção de modelos em detecção não supervisionada de outliers [Internet]. 2015 ;[citado 2026 jan. 03 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-26062015-101457/ -
Vancouver
Marques HO. Avaliação seleção de modelos em detecção não supervisionada de outliers [Internet]. 2015 ;[citado 2026 jan. 03 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-26062015-101457/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
