Multi-objective evolutionary methods for hierarchical and multi-label classification

Resumo

Na classificação convencional, um exemplo pode ser classificado em apenas uma dentre duas ou mais classes. Esses problemas são conhecidos como problemas simples-rótulo. Entretanto, há problemas mais complexos nos quais exemplos podem ser classificados em duas ou mais classes simultaneamente. Esses são conhecidos na literatura de Aprendizado de Máquina como problemas de classificação multirrótulo. Quando as classes do problema estão organizadas em uma hierarquia, a tarefa é ainda mais desafiadora, sendo conhecida como classificação hierárquica. Muitas aplicações práticas são relacionadas a esses problemas, como a classificação de imagens, documentos, música, e a predição de funções de proteínas. Essas tarefas são muito desafiadoras devido à dificuldade em se considerar os relacionamentos entre as muitas classes durante o treinamento. Adicionalmente, o desbalanceamento dos conjuntos de dados prejudica os desempenhos dos classificadores propostos. Devido à alta dimensionalidade do espaço de possíveis classes, propomos nesse projeto o desenvolvimento de métodos evolucionários multiobjetivo para a geração de regras de classificação hierárquicas e multirrótulo. As regras geradas devem satisfazer requisitos de interpretabilidade e desempenho. Os métodos propostos serão comparados com métodos estado-da-arte na literatura, usando conjuntos de dados de bioinformática. A avaliação será feita utilizando medidas especificamente propostas para problemas hierárquicos e multirrótulo. (AU)