Busca avançada
Ano de início
Entree

Ensemble de algoritmos de indução de árvores de decisão automaticamente projetados

Processo: 13/20058-3
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de janeiro de 2014
Vigência (Término): 28 de fevereiro de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:André Carlos Ponce de Leon Ferreira de Carvalho
Beneficiário:Rodrigo Coelho Barros
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
Assunto(s):Aprendizado computacional

Resumo

Indução de árvores de decisão é uma das estratégias mais utilizadas para extração de conhecimento de bases de dados, uma vez que as árvores representam o conhecimento de forma intuitiva e facilmente compreendida por seres humanos. Existem várias diferentes abordagens para induzir árvores de decisão, cada qual com suas vantagens e desvantagens de acordo com seu respectivo bias indutivo. Tais abordagens tem sido continuamente melhoradas por pesquisadores nos últimos 40 anos, ou seja, tem havido uma contínua melhoria nos componentes dos algoritmos de árvores de decisão ao longo do tempo. Seguindo recentes descobertas no campo do projeto automático de algoritmos de aprendizado de máquina, uma híper-heurística baseada em algoritmo evolutivo chamada HEAD-DT foi proposta para o desenvolvimento automático de algoritmos de árvores de decisão. HEAD-DT evolui componentes de algoritmos de árvores que foram desenvolvidos manualmente nas últimas décadas, combinando-os da maneira mais adequada conforme o problema a ser resolvido. Neste projeto, é proposta uma extensão significativa do algoritmo HEAD-DT, de forma que este seja capaz de gerar ensembles de algoritmos de árvores de decisão automaticamente projetados. Dois frameworks diferentes são vislumbrados para geração destes ensembles: i) evolução de um único algoritmo de indução de árvores de decisão e geração dos classificadores-base que irão formar o ensemble através da modificação da base de dados de treinamento; e ii) evolução de um conjunto de algoritmos de indução de árvores de decisão, que serão naturalmente traduzidos em diferentes classificadores-base para formação do ensemble. Ambos frameworks serão comparados com métodos ensemble estado-da-arte e também com classificadores robustos como SVMs e redes neurais.