Publicação: Análise de novas abordagens para mineração de regras de classificação utilizando algoritmos genéticos
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A tarefa de classificação está entre as mais utilizadas em Mineração de Dados e é amplamente
pesquisada nos dias atuais. Vários trabalhos já foram desenvolvidos utilizando
Algoritmos Genéticos para tarefa de classificação através da evolução de regras de classificação
do tipo SE-ENTÃO e bons resultados já foram obtidos. Esses métodos geralmente
utilizam a mesma estrutura cromossômica, números inteiros e reais, e essa estrutura pode
impor algumas limitações na sua operação. Além da representação cromossômica, esses
métodos também utilizam a mesma abordagem para escolha dos atributos para compor as
regras. Nesse trabalho, foram propostos dois novos métodos, chamados de BIN-NLCEE
e IG-CEE. O BIN-NLCEE utiliza uma nova estrutura cromossômica, através de valores
binários. Já o método IG-CEE utiliza uma medida de avaliação de atributos, o Information
Gain, para selecionar os atributos que podem compor as regras. Foram utilizados 4
datasets de domíno médico para a validação do BIN-NLCEE e 3 datasets sintéticos para
a validação do IG-CEE. Ambos foram comparados com seus métodos de origem e outros
4 classificadores tradicionais (J48, IBK, Naive Bayes e SVM). Os resultados mostraram
que os métodos propostos foram capazes de gerar melhores valores de fitness e melhores
taxas de convergência.
Abstract
The classification task is among the most used in Data Mining and is widely researched
nowadays. Several works have already been developed using Genetic Algorithms for
classification tasks through the evolution of IF-THEN classification rules and good results
have been obtained. These methods often use the same chromosome structure, integer,
and real values, and this structure may impose some limitations on their operation. Also,
these methods use the same approach for choosing the attributes that will compose the
rules. In this work, two new methods were proposed, called BIN-NLCEE and IG-CEE.
BIN-NLCEE uses a new chromosomal structure by binary values. The IG-CEE method
uses an attribute evaluation measure, called Information Gain, to select the attributes
that can compose the rules. Four medical domain datasets were used for BIN-NLCEE validation
and 3 synthetic datasets for IG-CEE validation. Both were compared with their
source methods and 4 other traditional classifiers (J48, IBK, Naive Bayes and SVM). The
results showed that the proposed methods were able to generate better fitness values and
better convergence rates.
Palavras-chave
Algoritmos Genéticos, Classificação de Dados, Regras SE-ENTÃO, Cromossomo Binário, Ganho de Informação, Genetic Algorithms, Data classification, IF-THEN Rules, Binary Chromosome, Information Gain
Citação
ALVES, Alexandre Henrick da Silva. Análise de novas abordagens para mineração de regras de classificação utilizando algoritmos genéticos. 2020. 134 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI http://doi.org/10.14393/ufu.di.2020.260.