Influência do tratamento de dados em algoritmos de classificação

Resumo

O pré-processamento dos dados é uma das etapas mais importantes no processo de mineração de dados, e uma das mais negligenciadas. A coleta dos dados, mesmo que de forma controlada, pode sofrer de erros manuais e problemas em equipamentos, gerando dados inconsistentes, ruidosos ou ausentes. Além disso, dependendo da origem dos dados, alguns aspectos podem prejudicar sua análise, como desbalanceamento e sobreposição de classes. Simplesmente ignorar esses aspectos no processo de aprendizado pode prejudicar a indução de um modelo adequado, uma vez que algoritmos tradicionais de aprendizado de máquina têm dificuldades para induzir um bom modelo em cenários dessa natureza. Além disso, a maioria desses problemas, que são comumente tratados na etapa de pré-processamento de forma independente, estão relacionados entre si. A proposta desse projeto de doutorado é analisar e tratar os problemas de ruídos, dados desbalanceados, classes sobrepostas e alta dimensionalidade de forma integrada, observando as relações entre elas. Dados com essas características são frequentemente encontrados na Biologia Molecular. Assim, considera-se utilizar dados de Biologia Molecular durante as análises.