Investigação de diferentes medidas de caracterização de dados em meta-aprendizado

• Processo: 11/06921-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2011
• Data de Término da vigência: 30 de abril de 2012
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: André Carlos Ponce de Leon Ferreira de Carvalho
• Beneficiário: Filipe Calasans Portugal de Oliveira
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Classificação de dados Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: aprendizado de máquinas | caracterização de dados | Classificação de Dados | medidas de caracterização de dados | seleção de algoritmos de Aprendizado de Máquina | Aprendizado de Máquinas

Resumo

Este projeto investiga o uso de meta-aprendizado para a seleção de algoritmos de Aprendizado de Máquina para problemas de classificação de dados. No contexto deste trabalho, meta-aprendizado tem por objetivo associar características presentes em um conjunto de dados aos algoritmos mais adequados para lidar com eles na tarefa de classificação desejada. Diferentes formas para caracterizar conjuntos de dados têm sido propostas na literatura. Este projeto vai comparar como as diferentes formas influenciam na seleção dos algoritmos mais adequados. Para isso, serão realizados experimentos com diferentes algoritmos de Aprendizado de Máquina para diversos conjuntos de dados de domínio público.