Uso de medidas de complexidade de dados no suporte ao aprendizado de máquina supervisionado

Resumo

As técnicas de Aprendizado de Máquina (AM) foram empregadas com sucesso na solução de diversos problemas de classificação de dados. Recentemente alguns trabalhos têm se voltado a entender como características quantitativas a respeito da complexidade dos conjuntos de dados para classificação, tais como, a sobreposição geométrica entre classes afetam o desempenho das técnicas de AM. Entre as contribuições desta abordagem está um melhor entendimento do domínio de competência e das limitações dessas técnicas. Neste projeto inicialmente serão estudadas diferentes medidas para caracterizar a complexidade de problemas de classificação. Embora exista uma variedade de medidas na literatura, não são frequentes estudos a respeito de quais tipos de aplicação e análise, podem ser mais beneficiadas por seu uso. Pretende-se então usar estas medidas no suporte à redução da complexidade envolvida na solução de problemas de classificação. A primeira vertente neste sentido consiste em realizar pré-processamentos nos dados, de maneira a reduzir a complexidade dos novos conjuntos gerados. Duas tarefas de pré-processamento de dados serão investigadas: a identificação de ruídos e a seleção de subconjuntos de atributos relevantes. Em uma segunda vertente, a redução da complexidade na solução de um problema de classificação será abordada pelo emprego de uma estratégia de dividir-para-conquistar. Neste caso, o objetivo é encontrar subproblemas de complexidade menor, cujas soluções possam ser combinadas para a resolução do problema de classificação original. (AU)