Combinig classifiers using knowledge rule measures and genetic algortgms / Combinação de classificadores simbólicos utilizando medidas de regras de conhecimento e algoritmos genéticos

AUTOR(ES)

Flávia Cristina Bernardini

DATA DE PUBLICAÇÃO

2006

RESUMO

A qualidade das hipóteses induzidas pelos atuais sistemas de aprendizado de máquina supervisionado depende da quantidade dos exemplos no conjunto de treinamento. Por outro lado, muitos dos sistemas de aprendizado de máquina conhecidos não estão preparados para trabalhar com uma grande quantidade de exemplos. Grandes conjuntos de dados são típicos em mineração de dados. Uma maneira para resolver este problema consiste em construir ensembles de classificadores. Um ensemble é um conjunto de classificadores cujas decisões são combinadas de alguma maneira para classificar um novo caso. Apesar de melhorar o poder de predição dos algoritmos de aprendizado, ensembles podem ser compostos por muitos classificadores, o que pode ser indesejável. Ainda, apesar de ensembles classificarem novos exemplos melhor que cada classificador individual, eles se comportam como caixas pretas, no sentido de não oferecer ao usuário alguma explicação relacionada à classificação por eles fornecida. Assim, neste trabalho propomos uma abordagem que utiliza algoritmos de aprendizado simbólico para construir ensembles de classificadores simbólicos que explicam suas decisões de classificação e são tão ou mais precisos que o mais preciso dos seus classificadores individuais. Além disso, considerando que algoritmos de aprendizado simbólico utilizam métodos de busca local para induzir classificadores quanto que algoritmos genéticos utilizam métodos de busca global, propomos uma segunda abordagem para aprender conceitos simbólicos de grandes bases de dados utilizando algoritmos genéticos para evoluir classificadores simbólicos em um u´ nico classificador simbólico, de maneira que o classificador evoluído é mais preciso que os classificadores iniciais. Ambas propostas foram implementadas em dois sistemas computacionais. Diversos experimentos usando diferentes conjuntos de dados foram conduzidos para avaliar ambas as propostas. Ainda que os resultados experimenta das duas soluções propostas são promissores, os melhores resultados foram obtidos utilizando a abordagem relacionada a algoritmos genéticos

ASSUNTO(S)

evolutionary computtion genetic algorithms combining classifiers computação evolutiva essembles of classifiers medidas de avaliação de regras de conhecimento algoritmos genéticos essembles de classificadores machine learning knowledge rule evaluation measures aprendizado de máquina combinação de classificadores

Documentos Relacionados

• Análise do conhecimento extraído de classificadores simbólicos utilizando medidas de avaliação e de interessabilidade.
• Combination of symbolic classifiers to improve predictive and descriptive power of ensembles
• Seleção de atributos em comitês de classificadores utilizando algoritmos genéticos
• Extraction of knowledge from Artificial Neural Networks using Symbolic Machine Learning Systems and Genetic Algorithm
• Multialinhamento de seqüências biológicas utilizando algoritmos genéticos