Otimização em comitês de classificadores: uma abordagem baseada em filtro para seleção de subconjuntos de atributos
Year: 2012
Type: dissertation
Abstract: A aplicação tradicional da seleção de atributos em diversas áreas como mineração de\ndados, aprendizado de máquina e reconhecimento de padrões visa melhorar a acurácia\ndos modelos construídos com a base de dados, ao retirar dados ruidosos, redundantes ou\nirrelevantes, e diminuir o custo computacional do modelo, ao encontrar um subconjunto\nrepresentativo dos dados que diminua sua dimensionalidade sem perda de desempenho.\nCom o desenvolvimento das pesquisas com comitês de classificadores e a verificação de\nque esse tipo de modelo possui melhor desempenho que os modelos individuais, dado que\nos classificadores base sejam diversos, surge uma nova aplicação às pesquisas com seleção\nde atributos, que é a de encontrar subconjuntos diversos de atributos para a construção\ndos classificadores base de comitês de classificadores. O presente trabalho propõe uma\nabordagem que maximiza a diversidade de comitês de classificadores através da seleção de\nsubconjuntos de atributos utilizando um modelo independente do algoritmo de aprendizagem\ne de baixo custo computacional. Isso é feito utilizando metaheurísticas bioinspiradas\ncom critérios de avaliação baseados em filtro
Language: Portuguese
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W1432442132