Aprendizado de máquina com conjuntos de dados desbalanceados

• Processo: 07/00561-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2007
• Data de Término da vigência: 31 de maio de 2009
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Gustavo Enrique de Almeida Prado Alves Batista
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Inteligência artificial Mineração de dados Pré-processamento de dados
• Palavra(s)-Chave do Pesquisador: Aprendizado De Maquina | Classes Desbalanceadas | Mineracao De Dados | Pre Processamento De Dados | Inteligência Artificial

Resumo

Diversos fatores podem influenciar no desempenho de classificação de novos exemplos dos métodos de Aprendizado de Máquina - AM -, os quais são freqüentemente utilizados em Descoberta de Conhecimento em Bases de Dados - KDD. Entre eles está o problema de aprender na presença de classes desbalanceadas ou assimétricas. Esse problema ocorre quando algumas classes apresentam um número muito maior de exemplos do que outras. Pesquisadores têm reportado que classes desbalanceadas ocorrem com frequência em bases de dados do mundo real originárias de diversos domínios de aplicação. Mesmo com toda pesquisa realizada sobre o assunto, não existe um consenso sobre quais abordagens são as mais indicadas para lidar com esse problema. Este projeto de pesquisa tem como principal objetivo realizar uma ampla pesquisa sobre o problema de classes desbalanceadas. Essa pesquisa irá investigar como o problema de classes desbalanceadas influencia o desempenho obtido por sistemas de AM. Como resultado final espera-se obter um conjunto de recomendações que possam auxiliar um pesquisador/usuário com um conjunto de dados com classes desbalanceadas a melhor tratar esse problema. (AU)