Evolutionary model tree induction
Autor(a) principal: | |
---|---|
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 |
Resumo: | Árvores-modelo são um caso particular de árvores de decisão aplicadas na solução de problemas de regressão, onde a variável a ser predita é contínua. Possuem a vantagem de apresentar uma saída interpretável, auxiliando o usuário do sistema a ter mais confiança na predição e proporcionando a base para o usuário ter novos insights sobre os dados, confirmando ou rejeitando hipóteses previamente formadas. Além disso, árvores-modelo apresentam um nível aceitável de desempenho preditivo quando comparadas à maioria das técnicas utilizadas na solução de problemas de regressão. Uma vez que gerar a árvore-modelo ótima é um problema NP-Completo, algoritmos tradicionais de indução de árvores-modelo fazem uso da estratégia gulosa, top-down e de divisão e conquista, que pode não convergir à solução ótima-global. Neste trabalho é proposta a utilização do paradigma de algoritmos evolutivos como uma heurística alternativa para geração de árvores-modelo. Esta nova abordagem é testada por meio de bases de dados de regressão públicas da UCI, e os resultados são comparados àqueles gerados por algoritmos gulosos tradicionais de indução de árvores-modelo. Os resultados mostram que esta nova abordagem apresenta uma boa relação custo-benefício entre desempenho preditivo e geração de modelos de fácil interpretação, proporcionando um diferencial muitas vezes crucial em diversas aplicações de mineração de dados. |
id |
P_RS_6054b8bafb7b2d1fc3df8b7133c4a011 |
---|---|
oai_identifier_str |
oai:tede2.pucrs.br:tede/5084 |
network_acronym_str |
P_RS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da PUC_RS |
repository_id_str |
|
spelling |
Ruiz, Duncan Dubugras AlcobaCPF:38192985091http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783178Y6CPF:00827208006http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4526709Y3Barros, Rodrigo Coelho2015-04-14T14:49:20Z2010-04-092009-12-10BARROS, Rodrigo Coelho. Evolutionary model tree induction. 2009. 84 f. Dissertação (Mestrado em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2009.http://tede2.pucrs.br/tede2/handle/tede/5084Made available in DSpace on 2015-04-14T14:49:20Z (GMT). No. of bitstreams: 1 422461.pdf: 1656872 bytes, checksum: 4520cf1ef2435e86327deed3e89baed9 (MD5) Previous issue date: 2009-12-10Árvores-modelo são um caso particular de árvores de decisão aplicadas na solução de problemas de regressão, onde a variável a ser predita é contínua. Possuem a vantagem de apresentar uma saída interpretável, auxiliando o usuário do sistema a ter mais confiança na predição e proporcionando a base para o usuário ter novos insights sobre os dados, confirmando ou rejeitando hipóteses previamente formadas. Além disso, árvores-modelo apresentam um nível aceitável de desempenho preditivo quando comparadas à maioria das técnicas utilizadas na solução de problemas de regressão. Uma vez que gerar a árvore-modelo ótima é um problema NP-Completo, algoritmos tradicionais de indução de árvores-modelo fazem uso da estratégia gulosa, top-down e de divisão e conquista, que pode não convergir à solução ótima-global. Neste trabalho é proposta a utilização do paradigma de algoritmos evolutivos como uma heurística alternativa para geração de árvores-modelo. Esta nova abordagem é testada por meio de bases de dados de regressão públicas da UCI, e os resultados são comparados àqueles gerados por algoritmos gulosos tradicionais de indução de árvores-modelo. Os resultados mostram que esta nova abordagem apresenta uma boa relação custo-benefício entre desempenho preditivo e geração de modelos de fácil interpretação, proporcionando um diferencial muitas vezes crucial em diversas aplicações de mineração de dados.application/pdfhttp://tede2.pucrs.br:80/tede2/retrieve/14984/422461.pdf.jpgporPontifícia Universidade Católica do Rio Grande do SulPrograma de Pós-Graduação em Ciência da ComputaçãoPUCRSBRFaculdade de InformácaINFORMÁTICAMINERAÇÃO DE DADOS (INFORMÁTICA)ALGORITMOSCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOEvolutionary model tree inductioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis19749965330812744705006001946639708616176246info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_RSinstname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)instacron:PUC_RSTHUMBNAIL422461.pdf.jpg422461.pdf.jpgimage/jpeg3724http://tede2.pucrs.br/tede2/bitstream/tede/5084/3/422461.pdf.jpgde1239773143373ec2529d3e84222d2aMD53TEXT422461.pdf.txt422461.pdf.txttext/plain129523http://tede2.pucrs.br/tede2/bitstream/tede/5084/2/422461.pdf.txtdc57e40554c79df54d08f000a63a16a2MD52ORIGINAL422461.pdfapplication/pdf1656872http://tede2.pucrs.br/tede2/bitstream/tede/5084/1/422461.pdf4520cf1ef2435e86327deed3e89baed9MD51tede/50842015-04-17 11:57:31.384oai:tede2.pucrs.br:tede/5084Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucrs.br/tede2/PRIhttps://tede2.pucrs.br/oai/requestbiblioteca.central@pucrs.br||opendoar:2015-04-17T14:57:31Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)false |
dc.title.por.fl_str_mv |
Evolutionary model tree induction |
title |
Evolutionary model tree induction |
spellingShingle |
Evolutionary model tree induction Barros, Rodrigo Coelho INFORMÁTICA MINERAÇÃO DE DADOS (INFORMÁTICA) ALGORITMOS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Evolutionary model tree induction |
title_full |
Evolutionary model tree induction |
title_fullStr |
Evolutionary model tree induction |
title_full_unstemmed |
Evolutionary model tree induction |
title_sort |
Evolutionary model tree induction |
author |
Barros, Rodrigo Coelho |
author_facet |
Barros, Rodrigo Coelho |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Ruiz, Duncan Dubugras Alcoba |
dc.contributor.advisor1ID.fl_str_mv |
CPF:38192985091 |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783178Y6 |
dc.contributor.authorID.fl_str_mv |
CPF:00827208006 |
dc.contributor.authorLattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4526709Y3 |
dc.contributor.author.fl_str_mv |
Barros, Rodrigo Coelho |
contributor_str_mv |
Ruiz, Duncan Dubugras Alcoba |
dc.subject.por.fl_str_mv |
INFORMÁTICA MINERAÇÃO DE DADOS (INFORMÁTICA) ALGORITMOS |
topic |
INFORMÁTICA MINERAÇÃO DE DADOS (INFORMÁTICA) ALGORITMOS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
Árvores-modelo são um caso particular de árvores de decisão aplicadas na solução de problemas de regressão, onde a variável a ser predita é contínua. Possuem a vantagem de apresentar uma saída interpretável, auxiliando o usuário do sistema a ter mais confiança na predição e proporcionando a base para o usuário ter novos insights sobre os dados, confirmando ou rejeitando hipóteses previamente formadas. Além disso, árvores-modelo apresentam um nível aceitável de desempenho preditivo quando comparadas à maioria das técnicas utilizadas na solução de problemas de regressão. Uma vez que gerar a árvore-modelo ótima é um problema NP-Completo, algoritmos tradicionais de indução de árvores-modelo fazem uso da estratégia gulosa, top-down e de divisão e conquista, que pode não convergir à solução ótima-global. Neste trabalho é proposta a utilização do paradigma de algoritmos evolutivos como uma heurística alternativa para geração de árvores-modelo. Esta nova abordagem é testada por meio de bases de dados de regressão públicas da UCI, e os resultados são comparados àqueles gerados por algoritmos gulosos tradicionais de indução de árvores-modelo. Os resultados mostram que esta nova abordagem apresenta uma boa relação custo-benefício entre desempenho preditivo e geração de modelos de fácil interpretação, proporcionando um diferencial muitas vezes crucial em diversas aplicações de mineração de dados. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-12-10 |
dc.date.available.fl_str_mv |
2010-04-09 |
dc.date.accessioned.fl_str_mv |
2015-04-14T14:49:20Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BARROS, Rodrigo Coelho. Evolutionary model tree induction. 2009. 84 f. Dissertação (Mestrado em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2009. |
dc.identifier.uri.fl_str_mv |
http://tede2.pucrs.br/tede2/handle/tede/5084 |
identifier_str_mv |
BARROS, Rodrigo Coelho. Evolutionary model tree induction. 2009. 84 f. Dissertação (Mestrado em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2009. |
url |
http://tede2.pucrs.br/tede2/handle/tede/5084 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.program.fl_str_mv |
1974996533081274470 |
dc.relation.confidence.fl_str_mv |
500 600 |
dc.relation.department.fl_str_mv |
1946639708616176246 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Pontifícia Universidade Católica do Rio Grande do Sul |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciência da Computação |
dc.publisher.initials.fl_str_mv |
PUCRS |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Faculdade de Informáca |
publisher.none.fl_str_mv |
Pontifícia Universidade Católica do Rio Grande do Sul |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS instname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) instacron:PUC_RS |
instname_str |
Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) |
instacron_str |
PUC_RS |
institution |
PUC_RS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da PUC_RS |
collection |
Biblioteca Digital de Teses e Dissertações da PUC_RS |
bitstream.url.fl_str_mv |
http://tede2.pucrs.br/tede2/bitstream/tede/5084/3/422461.pdf.jpg http://tede2.pucrs.br/tede2/bitstream/tede/5084/2/422461.pdf.txt http://tede2.pucrs.br/tede2/bitstream/tede/5084/1/422461.pdf |
bitstream.checksum.fl_str_mv |
de1239773143373ec2529d3e84222d2a dc57e40554c79df54d08f000a63a16a2 4520cf1ef2435e86327deed3e89baed9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) |
repository.mail.fl_str_mv |
biblioteca.central@pucrs.br|| |
_version_ |
1799765305392627712 |