dc.creator.ID |
SANTOS, David Moises Barreto dos. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/5904935830618045 |
pt_BR |
dc.contributor.advisor1 |
SAMPAIO, Marcus Costa. |
|
dc.contributor.advisor1ID |
SAMPAIO, M. C. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/7407058401863661 |
pt_BR |
dc.contributor.referee1 |
GOMES, Herman Martins. |
|
dc.contributor.referee1ID |
GOMES, H. M. |
pt_BR |
dc.contributor.referee1Lattes |
http://lattes.cnpq.br/4223020694433271 |
pt_BR |
dc.contributor.referee2 |
RUIZ, Duncan Dubugras Alcoba. |
|
dc.contributor.referee2ID |
RUIZ, Duncan D. |
pt_BR |
dc.contributor.referee2Lattes |
http://lattes.cnpq.br/8250832800932125 |
pt_BR |
dc.description.resumo |
O 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.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Ciência da Computação |
pt_BR |
dc.title |
Seleção de modelos de classificação através de heurísticas. |
pt_BR |
dc.date.issued |
2005-07-19 |
|
dc.description.abstract |
The 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.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/2903 |
|
dc.date.accessioned |
2019-02-22T16:46:05Z |
|
dc.date.available |
2019-02-22 |
|
dc.date.available |
2019-02-22T16:46:05Z |
|
dc.type |
Dissertação |
pt_BR |
dc.subject |
Bancos de Dados |
pt_BR |
dc.subject |
Mineração de Dados |
pt_BR |
dc.subject |
Processo de Mineração de Dados |
pt_BR |
dc.subject |
Heurísticas |
pt_BR |
dc.subject |
Databases |
pt_BR |
dc.subject |
Data Mining |
pt_BR |
dc.subject |
Data Mining Process |
pt_BR |
dc.subject |
Heuristics |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
SANTOS, David Moises Barreto dos. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Selection of classification models through heuristics. |
pt_BR |
dc.identifier.citation |
SANTOS, 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/2903 |
pt_BR |