Tese

Indução de árvore de decisão utilizando meta-aprendizado (2022)

• Authors:
  • Ferreira, Caíque Augusto
  • Baranauskas, José Augusto (Orientador)
• Autor USP: FERREIRA, CAÍQUE AUGUSTO - FFCLRP
• Unidade: FFCLRP
• Sigla do Departamento: 595
• DOI: 10.11606/D.59.2022.tde-05122022-145141
• Subjects: ÁRVORES FLORESTAIS; PLANTIO; INTELIGÊNCIA ARTIFICIAL; APRENDIZAGEM
• Keywords: Árvore de decisão; Combinação de modelos; Decision tree; Meta-aprendizado; Meta-learning; Model combination
• Language: Português
• Abstract: Os modelos de aprendizado simbólico destacam-se dentro da área do Aprendizado de Máquina devido às suas representações serem interpretáveis pelo homem. Uma característica deste modelo é ser excessivamente responsivo ao conjunto de exemplos utilizados, o que pode resultar em uma piora significativa no desempenho caso haja pequenas variações no conjunto de treinamento. A estratégia de combinação de modelos (ensembles) apresenta-se como uma alternativa para melhorar a precisão e a estabilidade dos modelos. A estratégia consiste em gerar diferentes modelos por meio do mesmo conjunto de treinamento e combiná-los em um único modelo final, geralmente, por meio de um processo de votação. Uma característica indesejável da estratégia ensemble é a complexidade do modelo final, já que este é formado por um conjunto de modelos. Nesta pesquisa é proposta uma abordagem para induzir uma meta-árvore de decisão com base na combinação das árvores de decisão de uma floresta (Random Forest). Experimentos foram realizados em 150 datasets de diferentes domínios. A abordagem proposta aplicada em 43 datasets categóricos dos 150 analisados, obteve um desempenho tão bom quanto uma floresta com 128 árvores sem diferenças estatisticamente significativas. Trata-se de um resultado interessante, levando em consideração a interpretabilidade fornecida por uma única árvore de decisão como modelo resultante
• Imprenta:
  • Publisher place: Ribeirão Preto
  • Date published: 2022
• Data da defesa: 20.09.2022


Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).

Status:

Artigo publicado em periódico de acesso aberto (Gold Open Access)

Versão do Documento:

Versão publicada (Published version)

Acessar versão aberta:

• PDF de acesso aberto

Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.

---

How to cite

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

• ABNT

  FERREIRA, Caíque Augusto. Indução de árvore de decisão utilizando meta-aprendizado. 2022. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/59/59143/tde-05122022-145141/. Acesso em: 10 abr. 2026.

• APA

  Ferreira, C. A. (2022). Indução de árvore de decisão utilizando meta-aprendizado (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://teses.usp.br/teses/disponiveis/59/59143/tde-05122022-145141/

• NLM

  Ferreira CA. Indução de árvore de decisão utilizando meta-aprendizado [Internet]. 2022 ;[citado 2026 abr. 10 ] Available from: https://teses.usp.br/teses/disponiveis/59/59143/tde-05122022-145141/

• Vancouver

  Ferreira CA. Indução de árvore de decisão utilizando meta-aprendizado [Internet]. 2022 ;[citado 2026 abr. 10 ] Available from: https://teses.usp.br/teses/disponiveis/59/59143/tde-05122022-145141/

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

• Decision tree induction through meta-learning