Busca avançada
Ano de início
Entree

Programação genética para evolução de algoritmos de indução de árvores de decisão

Processo: 10/20255-5
Linha de fomento:Auxílio à Pesquisa - Apoio a Jovens Pesquisadores
Vigência: 01 de setembro de 2011 - 31 de agosto de 2015
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Márcio Porto Basgalupp
Beneficiário:Márcio Porto Basgalupp
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Pesq. associados: Alex Alves Freitas ; André Carlos Ponce de Leon Ferreira de Carvalho ; Marcos Gonçalves Quiles ; Rodrigo Coelho Barros ; Vili Podgorelec
Auxílios(s) vinculado(s):15/05218-0 - Construção automática de algoritmos de indução de árvores de decisão com híper-heurística multi-objetiva usando a abordagem de Pareto, AV.EXT
Bolsa(s) vinculada(s):15/13245-7 - Incorporando árvores de decisão com múltiplos testes no algoritmo HEAD-DT, BE.PQ
14/21737-4 - Identificação de diferentes alternativas para os blocos de construção do algoritmo de programação genética para evoluir algoritmos de indução de árvores de decisão, BP.IC
11/20175-4 - Identificação de diferentes alternativas para os blocos de construção do algoritmo de programação genética para evoluir algoritmos de indução de árvores de decisão, BP.IC
Assunto(s):Inteligência artificial  Aprendizado computacional  Programação genética  Mineração de dados 

Resumo

Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, top down e com particionamento recursivo para a construção das árvores. No entanto, há pelo menos dois problemas relacionados a essas características: (i) estratégias gulosas geralmente produzem soluções ótimas locais ao invés de globais, (ii) particionamento recursivo degrada iterativamente a qualidade do dataset e, consequentemente, a qualidade dos resultados obtidos. Para lidar com essas dificuldades, diferentes abordagens foram sugeridas, tais como Options Trees, ensembles (ex: boosting e bagging), e algoritmos evolutivos. No entanto, tais algoritmos evolutivos são usados para evoluir árvores de decisão específicas para cada problema de classificação, e não para evoluir algoritmos genéricos para indução de árvores de decisão para qualquer problema de classificação. Uma das subáreas de algoritmos evolutivos, a Programação Genética (PG) é uma ferramenta adequada para evoluir programas de computadores. Um programa evoluído por Programação Genética pode produzir a mesma solução desenvolvida por um humano para solucionar um problema, mas também pode produzir algo completamente diferente e talvez melhor. Nesse contexto, o objetivo deste projeto é estudar programação genética com o intuito de utilizá-la para evoluir algoritmos de indução de árvores de decisão. A ideia é evoluir algoritmos genéricos para indução de árvores de decisão, ou seja, o resultado final da PG será um algoritmo de indução árvores de decisão, e não apenas uma árvore de decisão. Nesse sentido, pode-se considerar um algoritmo de meta-learning, pois o objetivo é aprender um algoritmo de aprendizagem. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Programa de computador mimetiza evolução humana