Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes

• Autor(a) principal: Amaral, Felipe Souza
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/15282
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Comitês; Perceptron; Profundidade de Tukey; Mediana de Tukey; Ensembles; Perceptron; Tukey’s median; Tukey’s depth

Comitês (ensembles) para a criação de classificadores, no campo de aprendizado de máquina, têm sido largamente usados por serem uma via mais eficaz e mais acurada, ao se comparar a um único classificador. Esse aumento na acurácia dos comitês está diretamente relacionado à capacidade de combinar os conhecimentos aprendido de componentes do classificador para gerar uma solução que supera as soluções de cada indivíduo. Um comitê pode ser interpretado como um conjunto de membros, por essa ótica, pode-se relacionar com o campo da estatística e portanto aplicar conceitos de profundidade de dados nesses membros. Uma concepção bastante conhecida é a profundidade de Tukey, também conhecida como profundidade de meio espaço, que é definida como a menor área de probabilidade de um meio espaço fechado que contenha o ponto analisado, resultando assim as profundidades dos dados em um conjunto multivariado. O ponto mais profundo em relação à profundidade de Tukey é comumente visto como a mediana de Tukey. Este trabalho tem como objetivo desenvolver ferramentas e análises para aplicar em um comitê de classificadores, sendo o espaço de versões criado através de Perceptrons balanceados, buscando encontrar o representante que mais ganha nas votações ocorridas, ou o membro considerado mais profundo, cunhando assim o Perceptron de Tukey, além de apresentar algoritmos, baseados nos conceitos de buscas em profundidade e largura, para identificação do membro mais ganhador da votações realizadas. Um estudo experimental foi conduzido para avaliação dos métodos propostos e os resultados mostram que os métodos apresentados são capazes de superar, na maior parte dos casos, outros algoritmos, como a Máquina de Vetores Suporte, Máquina de Ponto de Bayes, Máquina de Redução do Espaço de Versões e Classificador Evolucionário de Centro Analítico.