Evolutionary model tree induction

• Autor(a) principal: Barros, Rodrigo Coelho
• Data de Publicação: 2009
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da PUC_RS
• Texto Completo: http://tede2.pucrs.br/tede2/handle/tede/5084
• topic: INFORM?TICA; MINERA??O DE DADOS (INFORM?TICA); ALGORITMOS; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO

?rvores-modelo s?o um caso particular de ?rvores de decis?o aplicadas na solu??o de problemas de regress?o, onde a vari?vel a ser predita ? cont?nua. Possuem a vantagem de apresentar uma sa?da interpret?vel, auxiliando o usu?rio do sistema a ter mais confian?a na predi??o e proporcionando a base para o usu?rio ter novos insights sobre os dados, confirmando ou rejeitando hip?teses previamente formadas. Al?m disso, ?rvores-modelo apresentam um n?vel aceit?vel de desempenho preditivo quando comparadas ? maioria das t?cnicas utilizadas na solu??o de problemas de regress?o. Uma vez que gerar a ?rvore-modelo ?tima ? um problema NP-Completo, algoritmos tradicionais de indu??o de ?rvores-modelo fazem uso da estrat?gia gulosa, top-down e de divis?o e conquista, que pode n?o convergir ? solu??o ?tima-global. Neste trabalho ? proposta a utiliza??o do paradigma de algoritmos evolutivos como uma heur?stica alternativa para gera??o de ?rvores-modelo. Esta nova abordagem ? testada por meio de bases de dados de regress?o p?blicas da UCI, e os resultados s?o comparados ?queles gerados por algoritmos gulosos tradicionais de indu??o de ?rvores-modelo. Os resultados mostram que esta nova abordagem apresenta uma boa rela??o custo-benef?cio entre desempenho preditivo e gera??o de modelos de f?cil interpreta??o, proporcionando um diferencial muitas vezes crucial em diversas aplica??es de minera??o de dados.