Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/1000
Título : Proposta de um classificador hierárquico monorrótulo baseado em instâncias.
Autor : Carvalho, Mayko Araújo de
metadata.dc.contributor.advisor: Merschmann, Luiz Henrique de Campos
metadata.dc.contributor.referee: Merschmann, Luiz Henrique de Campos
Silva, Amanda Sávio Nascimento e
Monteiro, Paulo Marcos de Barros
Palabras clave : Mineração de dados
Data mining
Fecha de publicación : 2015
Citación : CARVALHO, Mayko Araújo de. Proposta de um classificador hierárquico monorrótulo baseado em instâncias. 2015. 46 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2015.
Resumen : Na área de Mineração de Dados existem problemas de classi cação complexos, conhecidos como problemas de classi cação hierárquica, nos quais as classes a serem preditas estão organizadas de acordo com uma hierarquia pré-de nida. Na solução de um problema de classi cação hierárquica duas abordagens podem ser utilizadas: global e local. Na abordagem global, um único classi cador é induzido de forma a tratar todas as classes do problema simultaneamente, ao passo que na abordagem local, tem-se um conjunto de classi cadores induzidos, em que cada um deles é responsável por um subconjunto de classes da hierarquia. Além disso, entre os problemas de classi cação hierárquica existem aqueles nos quais uma instância pode estar associada a somente uma classe (problemas de classi cação hierárquica monorrótulo). Métodos de classi cação hierárquica vêm sendo propostos por pesquisadores das áreas de aprendizado de máquina, estatística e mineração de dados, no entanto, técnicas de classi cação hierárquica que utilizam a aborgadem global mostram-se pouco exploradas na literatura. Baseado nesse fato, o presente trabalho propôs, implementou e avaliou um novo classi cador hierárquico monorrótulo baseado na abordagem de classi cação global, o HKNN (Hierarchical K Nearest Neighbor ). O classi- cador proposto é uma modi cação do KNN (método proposto para resolver problemas de classi cação plana) que possibilita que a classi cação seja realizada considerando-se a hierarquia de classes do problema. Foram realizados experimentos com 18 bases de dados para avaliar o desempenho preditivo do método proposto e os resultados obtidos por meio deles mostraram que o HKNN supera os desempenhos preditivos dos demais métodos avaliados nesse trabalho.
metadata.dc.description.abstracten: In Data Mining, there are more complex problems, known as hierarchical classi cation problems, in which the classes to be predicted are structured according to a prede ned hierarchy. For solving a hierarchical classi cation problem two approaches can be used: global and local. In the global approach, a single classi er is induced in order to treat to all classes simultaneously, while in the local approach there is a set of induced classi ers in which each of them is responsible for a subset of the class hierarchy. Furthermore, among the hierarchical classi cation problems there are those in which an instance may be associated with only one class (single-label hierarchical classi cation problems). Hierarchical classi cation methods have been proposed by researchers from the areas of machine learning, statistical and data mining, however, hierarchical classi cation techniques using the global approach have been underexplored in the literature. Based on that, this work proposes, developed and evaluated a new single-label hierarchical classi er based on the global approach, the HKNN (Hierarchical K Nearest Neighbor). The proposed new classi er is a modi cation of KNN (method proposed to solve at classi cation problems) which allows the execution of the classi cation process considering the problem's class hierarchy. Computacional experiments were carried out with 18 databases to assess the predictive performance of the presented method and its results showed that the HKNN overcomes the predictive performance when compared to the other methods evaluated in this work.
URI : http://www.monografias.ufop.br/handle/35400000/1000
metadata.dc.rights.license: Autorização concedida à Biblioteca Digital de TCC’s da UFOP pelo professor da disciplina de monografia em 07/06/2018 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Aparece en las colecciones: Engenharia de Controle e Automação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_PropostaClassificadorHierárquico.pdf1,19 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons