Discretizacao e visualizacao de dados em aprendizado de maquina.

Resumo

O avanço na tecnologia de aquisição e armazenamento de dados permite que grandes volumes de dados sejam disponibilizados, tomando porém, impossível seu processamento manual. Para que esses dados possam ser analisados e conhecimento gerado, é necessário que sejam aplicados processos semi-automáticos, tal como, a descoberta de conhecimento em base de dados (Knowledge Discover on Databases - KDD). Diversos métodos visam auxiliar esse processo, dentre eles a discretização e a visualização de dados, tratados neste trabalho. O primeiro método pode ser utilizado na fase de pré processamento do KDD e consiste na transformação de um número elevado de valores, existentes em um atributo contínuo, em um conjunto menor de intervalos discretos. A aplicação desse método pode aumentar a precisão de classificadores induzidos por algoritmos de aprendizado, diminuir o tempo da fase de aprendizado e possibilitar a indução de modelos mais simples. Já métodos de visualização podem ser utilizados em todas as fases do KDD e têm como principal objetivo aumentar o conhecimento do usuário sobre os dados manipulados. O objetivo deste trabalho consiste na pesquisa, projeto e implementação de alguns dos principais métodos de discretização e visualização propostos na literatura, integrando-os ao Discover, uma ferramenta computacional, em desenvolvimento no nosso laboratório de pesquisa, que visa abranger as diversas etapas do KDD. (AU)