Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/2903
Full metadata record
DC FieldValueLanguage
dc.creator.IDSANTOS, David Moises Barreto dos.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5904935830618045pt_BR
dc.contributor.advisor1SAMPAIO, Marcus Costa.-
dc.contributor.advisor1IDSAMPAIO, M. C.pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7407058401863661pt_BR
dc.contributor.referee1GOMES, Herman Martins.-
dc.contributor.referee1IDGOMES, H. M.pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4223020694433271pt_BR
dc.contributor.referee2RUIZ, Duncan Dubugras Alcoba.-
dc.contributor.referee2IDRUIZ, Duncan D.pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8250832800932125pt_BR
dc.description.resumoO processo de indução automática de modelos de classificação é composto de três etapas principais, pela ordem: amostragem, fragmentação e classificação. Devido à diversidade de técnicas que podem ser utilizadas em cada uma destas etapas, os resultados são muito instáveis — não existe a melhor técnica de amostragem, ou de fragmentação, etc. Para resolver o problema da indução do melhor modelo de classificação dentro de um espaço de busca, uma alternativa é arranjar todas as técnicas de amostragem, fragmentação e classificação disponíveis e buscar exaustivamente o melhor modelo de classificação. Entretanto, isto implicará em um alto custo computacional. Neste trabalho, descrevemos como foi possível descobrir heurísticas que podem ajudar a reduzir substancialmente o espaço de busca do melhor modelo de classificação. Também, discutimos o projeto e a implementação de um "framework" baseado nas heurísticas descobertas, objetivando guiar o minerador a escolher um modelo de classificação que satisfaça seus requisitos de qualidade, traduzidos em acurácia do modelo de classificação induzido, a um custo de processamento aceitável.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.programPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqCiência da Computaçãopt_BR
dc.titleSeleção de modelos de classificação através de heurísticas.pt_BR
dc.date.issued2005-07-19-
dc.description.abstractThe automated induction process of classification models is composed of the following steps: sampling, splitting and classification. Due to the diversity of techniques that may be used in each one of these steps, the results are much unstable — there is not the best sampling technique or the best splitting technique and so on. In order to solve the problem of inducing the best classification model within a search space, one way may arrange all available techniques for sampling, splitting and classification to search exhaustively the best classification model. However, this will imply in a high computational cost. In this work, we describe how to discover heuristics that help to reduce this computational cost. Also, we discuss the design and implementation of a framework that was developed based on the heuristics discovered in order to guide the miner in choosing a classification model which satisfies his or her quality requirements translated in the accuracy of the classification model induced with acceptable computational cost.pt_BR
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/2903-
dc.date.accessioned2019-02-22T16:46:05Z-
dc.date.available2019-02-22-
dc.date.available2019-02-22T16:46:05Z-
dc.typeDissertaçãopt_BR
dc.subjectBancos de Dadospt_BR
dc.subjectMineração de Dadospt_BR
dc.subjectProcesso de Mineração de Dadospt_BR
dc.subjectHeurísticaspt_BR
dc.subjectDatabasespt_BR
dc.subjectData Miningpt_BR
dc.subjectData Mining Processpt_BR
dc.subjectHeuristicspt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorSANTOS, David Moises Barreto dos.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeSelection of classification models through heuristics.pt_BR
dc.identifier.citationSANTOS, David Moises Barreto dos. Seleção de modelos de classificação através de heurísticas. 2005. 97 f. Dissertação (Mestrado em Informática)– Programa de Pós-Graduação em Informática, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande, Paraíba, Brasil, 2005. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/2903pt_BR
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
DAVID MOISES BARRETO DOS SANTOS-DISSERTAÇÃO-PPGI 2005.pdfDavid Moises Barreto dos Santos - Dissertação (PPGCC) 2005. 1.15 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.