Definição automática da quantidade de atributos selecionados em tarefas de agrupamento de dados

• Main Author: Andrade Filho, José Augusto
• Publication Date: 2013
• Format: Doctoral thesis
• Language: por
• Source: Biblioteca Digital de Teses e Dissertações da USP
• Download full: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-06122013-142810/
• topic: Agrupamento de dados; Aprendizado de máquina; Chaos theory; Clustering; Feature selection; Machine learning; Seleção de atributos; Teoria do caos

Conjuntos de dados reais muitas vezes apresentam um grande número de atributos preditivos ou de entrada, o que leva a uma grande quantidade de informação. Entretanto, essa quantidade de informação nem sempre significa uma melhoria em termos de desempenho de técnicas de agrupamento. Além disso, alguns atributos podem estar correlacionados ou adicionar ruído, reduzindo a qualidade do agrupamento de dados. Esse problema motivou o desenvolvimento de técnicas de seleção de atributos, que tentam encontrar um subconjunto com os atributos mais relevantes para agrupar os dados. Neste trabalho, o foco está no problema de seleção de atributos não supervisionados. Esse é um problema difícil, pois não existe informação sobre rótulos das classes. Portanto, não existe um guia para medir a qualidade do subconjunto de atributos. O principal objetivo deste trabalho é definir um método para identificar quanto atributos devem ser selecionados (após ordená-los com base em algum critério). Essa tarefa é realizada por meio da técnica de Falsos Vizinhos Mais Próximos, que tem sua origem na teoria do caos. Resultados experimentais mostram que essa técnica informa um bom número aproximado de atributos a serem selecionados. Quando comparado a outras técnicas, na maioria dos casos analisados, enquanto menos atributos são selecionados, a qualidade da partição dos dados é mantida