Detalhes bibliográficos
| Ano de defesa: |
2000 |
| Autor(a) principal: |
Falleiros, Maurício Bellissimo |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://teses.usp.br/teses/disponiveis/45/45134/tde-20210729-115619/
|
Resumo: |
Nesta dissertação apresentamos duas vertentes da pesquisa em aprendizagem computacional, uma formal e outra empírica, destacando o modelo de análise 'Provavelmente Aproximadamente Correto' (PAC) e o algoritmo REAL de indução de árvores de decisãosobre atributos de domínio real. A seguir, levantamos a curva de aprendizagem do algoritmo REAL sobre uma base de dados padrão para testes de algoritmos de aprendizagem desta natureza e comparamos esta curva com as previsões teóricas dadas pelomodelo PAC e pelo modelo de Convergência Uniforme. Fica evidente a grande lacuna entre estes resultados e então propomos algumas possibilidades de aprofundamento deste análise |
