Busca avançada
Ano de início
Entree

Construção automática de algoritmos de indução de árvores de decisão com híper-heurística multi-objetiva usando a abordagem de Pareto

Processo: 15/05218-0
Linha de fomento:Auxílio à Pesquisa - Pesquisador Visitante - Internacional
Vigência: 16 de julho de 2015 - 15 de agosto de 2015
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Márcio Porto Basgalupp
Beneficiário:Márcio Porto Basgalupp
Pesquisador visitante: Vili Podgorelec
Inst. do pesquisador visitante: University of Maribor (UM), Eslovênia
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
Vinculado ao auxílio:10/20255-5 - Programação genética para evolução de algoritmos de indução de árvores de decisão, AP.JP
Assunto(s):Aprendizado computacional  Algoritmos evolutivos  Hiper-heurística 

Resumo

O objetivo da proposta de colaboração de pesquisa é projetar, desenvolver e avaliar uma versão estendida de um algoritmo de indução de árvore de decisão com uma híper-heurística multi-objetiva usando abordagem de dominância de Pareto. Os resultados prévios já mostraram as vantagens de evoluir algoritmos de indução de árvores de decisão com uma híper-heurística considerando somente o desempenho de classificação. No entanto, a acurácia e outras medidas de desempenho de classificadores não são os únicos indicadores de qualidade das árvores geradas. Uma vantagem muito importante das árvores de decisão é a transparência das decisões tomadas pelo modelo, cuja interpretabilidade é semelhate ao pensamento humano. Isso tem sido mostrado em diversas aplicações do mundo real, em que a validação dos resultados de classificação é tão importante como a classificação por si só (em Medicina, por exemplo), que a simplicidade de uma árvore não deveria ser comprometida às custas da acurácia. Ambos os objetivos (acurácia e complexidade das árvores de decisão), no entanto, são geralmente conflitantes. Para solucionar este problema, é proposto o uso de uma abordagem de otimização multi-objetiva apropriadamente projetada e implementada. (AU)