Métodos de aprendizado de máquina para detecção de valores atípicos em conjuntos de dados desigualmente distribuídos

• Processo: 22/11854-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2022
• Data de Término da vigência: 31 de outubro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Mario de Castro Andrade Filho
• Beneficiário: Matheus Vinícius Barreto de Farias
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Avaliação de desempenho Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Avaliação de Desempenho | Bcops | predição conformal | Problema de Classificação | Aprendizado de máquina

Resumo

Problemas de predição e classificação são cada vez mais relevantes no mundo voltado para dados emque vivemos. Nesse meio, destacamos a relevância da predição de valores atípicos. Um valor atípico é uma observação que se distancia de seus pares, podendo se caracterizar, por exemplo, como tentativas de fraude bancária ou invasões em um sistema de comunicações que se passam por legítimas. Nesse sentido, o projeto proposto se trata do estudo de algoritmos estado-da-arte na detecção de valores atípicos, com ênfase no algoritmo BCOPS desenvolvido por Guan and Tibshirani (2022). BCOPS é um algoritmo de predição conformal combinado com aprendizado supervisionado que busca construir conjuntos de predição com um certo nível de cobertura, sem que haja perda de performance declassificação. Visamos destrinchar o funcionamento desse método e compará-lo com as alternativasjá existentes na literatura, bem como explorar os casos de melhor e pior desempenho do algoritmo.