An Autoencoder model for dealing with missing and noise data

Resumo

Vários problemas podem deteriorar a qualidade dos dados no Aprendizado de Máquina. Dentre eles, pode-se citar a qualidade dos atributos de entrada, que pode ser prejudicada pela presença de ruídos e dados faltantes. O ruído pode ser inserido nos dados em várias etapas durante a coleta, armazenamento e transmissão. Em problemas supervisionados, eles podem estar presentes tanto nos rótulos quanto nos atributos preditivos, de entrada. Os valores ausentes também são uma preocupação, uma vez que outras informações sobre a observação podem ser essenciais e devem ser consideradas. Este projeto investigará esses dois problemas e sua interação, incluindo estratégias para lidar com eles, adotando possíveis abordagens corretivas. O objetivo é experimentar diferentes algoritmos Autoencoder propostos pelo grupo de investigação português para imputação de dados perdidos, que são atualmente o estado da arte nesta área, e estender estes algoritmos para também identificar e potencialmente corrigir dados ruidosos.