Um estudo comparativo entre algoritmos indutivos incrementais e não incrementais utilizados na geração de bases de conhecimento a partir de exemplos.

• Autor(a) principal: BEZERRA, Haroldo Cesar Frota.
• Data de Publicação: 1995
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10186
• topic: Inteligência Artificial; Aquisição do Conhecimento; Engenharia do Conhecimento; Sistemas Especialistas; Métodos Indutivos; Algoritmos Indutivos Incrementais; Algoritmos Indutivos Não Incrementais; Artificial intelligence; Knowledge Acquisition; Knowledge Engineering; Expert Systems; Inductive Methods; Incremental Inductive Algorithms; Non-Incremental Inductive Algorithms; Ciência da Computação

A fase critica do processo de construção de sistemas especialistas e a responsável pela geração da base de conhecimento, porque ela e cara, difícil e de grande influencia sobre a qualidade final desses sistemas. A indução a partir de exemplos, gera bases de conhecimento em forma de arvores de decisão ou de regras, através de algoritmos chamados de algoritmos indutivos. Algoritmos indutivos podem ser do tipo não-incremental ou incremental. Algoritmos não-incrementais recebem como entrada um conjunto de exemplos e geram como saída uma base de conhecimento. Algoritmos incrementais recebem como entrada uma base de conhecimento e um conjunto de novos exemplos e geram como saída uma base de conhecimento atualizada. Neste trabalho apresentamos uma analise comparativa de desempenho entre essas duas famílias de algoritmos geradores de arvore de decisão. Mostramos através de analise comparativa teórica e experimental que, ao contrario do que os autores dos algoritmos incrementais disseram sobre esses algoritmos, somente em raras situações de domínios e de quantidade de exemplos esses algoritmos mostraram-se mais eficientes que os não-incrementais, não atingindo assim os objetivos a que se propunham.