Detalhes bibliográficos
Ano de defesa: |
2022 |
Autor(a) principal: |
Batista, Thiago Vinicius Vieira |
Orientador(a): |
Bedregal, Benjamin Rene Callejas |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/48233
|
Resumo: |
Comitê de classificadores é um modelo dentro da aprendizagem de máquina que consiste em uma coleção de classificadores que processam uma mesma informação e a saída destes é combinada de alguma maneira. O processo de classificação geralmente se dá em duas etapas: a etapa de classificação e a etapa de combinação. Na etapa de classificação, cada classificador processa a informação e fornece sua opinião sobre a classe à qual o elemento pertence, na etapa de combinação, a opinião de todos os classificadores são combinadas, fornecendo uma única saída. Apesar da etapa de combinação ser de grande importância, muitos dos trabalhos encontrados na literatura focam principalmente na etapa de classificação. Neste trabalho serão propostas generalizações da integral de Choquet para uso como método de combinação em comitês de classificadores. A ideia principal é permitir uma maior liberdade de escolha de funções para compor a integral, abrindo possibilidades de otimização e utilização de funções adequadas aos dados. Além disso, é proposta uma nova noção de monotonicidade parcial e consequentemente uma alternativa à noção de funções de pré-agregação. Resultados preliminares obtidos pelas generalizações da integral de Choquet propostas mostraram que elas foram capazes de obter bons resultados, tendo tido desempenho superior a métodos conhecidos da literatura como o XGBoost, Bagging, entre outros. Além disso, as integrais que envolveram as novas funções de agregação propostas tiveram um bom desempenho quando comparadas com a performance ao se utilizar outras classes de funções, como as Cópulas e os Overlaps. |