Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFJF_159d0efc1ba9459b9afb70fb107fd4c8 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/15282 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Fonseca Neto, Raulhttp://buscatextual.cnpq.br/buscatextual/busca.doVillela, Saulo Moraeshttp://buscatextual.cnpq.br/buscatextual/busca.doBorges, Carlos CrisƟano Hasencleverhttp://buscatextual.cnpq.br/buscatextual/busca.doCosta, Marcelo Azevedohttp://buscatextual.cnpq.br/buscatextual/busca.dohttp://buscatextual.cnpq.br/buscatextual/busca.doAmaral, Felipe Souza2023-04-14T14:37:51Z2023-04-142023-04-14T14:37:51Z2022-03-11https://repositorio.ufjf.br/jspui/handle/ufjf/15282Comitês (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.Ensembles for creating classifiers, in the area of machine learning, have been widely used since they are a more efficient and more accurate way when compared to a single classifier. This increase in the accuracy of ensembles is directly related to the capacity to combine the acquired knowledge from the classifier components to generate a solution that surpasses the solutions of each individual. An ensemble can be understood as a group of members and, from that point of view, it can be related to the field of statistics and, therefore, apply concepts of depth data to these members. A well-known concept is Tukey’s depth, also known as the half-space depth, which is defined as the smallest area of the probability of a closed half-space that contains an analyzed point, thus resulting in the depths of data in a multivariate group. The deepest point regarding Tukey’s depth is commonly seen as Tukey’s median. This dissertation has as its main objective to develop tools and analyses to be applied to an ensemble of classifiers, being the version space created from balanced Perceptrons, aiming to find the representative member that wins the most in the voting or the deepest member, then coining Tukey’s Perceptron, besides presenting the algorithms based on the concepts of the depth-first search and breadth-first search for identifying the winner with most votes. An experimental study has been performed to evaluate the proposed methods, and the results show that the introduced methods are able to overcome, in most cases, other algorithms such as Support Vector Machine, Bayes Point Machine, Version Space Reduction Machine, and Evolutionary Analytic Center Classifier.PROQUALI (UFJF)porUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Ciência da ComputaçãoUFJFBrasilICE – Instituto de Ciências ExatasAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOComitêsPerceptronProfundidade de TukeyMediana de TukeyEnsemblesPerceptronTukey’s medianTukey’s depthUm classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALfelipesouzaamaral.pdffelipesouzaamaral.pdfapplication/pdf601996https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/1/felipesouzaamaral.pdfb90bd9f96294385dd63bef69be93e2abMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/2/license_rdf4d2950bda3d176f570a9f8b328dfbbefMD52TEXTfelipesouzaamaral.pdf.txtfelipesouzaamaral.pdf.txtExtracted texttext/plain118523https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/4/felipesouzaamaral.pdf.txt7337cd49de15e6e760401d02430fc116MD54THUMBNAILfelipesouzaamaral.pdf.jpgfelipesouzaamaral.pdf.jpgGenerated Thumbnailimage/jpeg1166https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/5/felipesouzaamaral.pdf.jpg92cfe0ed8531e2ae2c4a31bd211789b9MD55ufjf/152822023-04-15 03:10:44.053oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2023-04-15T06:10:44Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
title |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
spellingShingle |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes Amaral, Felipe Souza 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 |
title_short |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
title_full |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
title_fullStr |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
title_full_unstemmed |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
title_sort |
Um classificador baseado na profundidade de Tukey para geração de uma aproximação do ponto de Bayes |
author |
Amaral, Felipe Souza |
author_facet |
Amaral, Felipe Souza |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Fonseca Neto, Raul |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/busca.do |
dc.contributor.advisor-co1.fl_str_mv |
Villela, Saulo Moraes |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/busca.do |
dc.contributor.referee1.fl_str_mv |
Borges, Carlos CrisƟano Hasenclever |
dc.contributor.referee1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/busca.do |
dc.contributor.referee2.fl_str_mv |
Costa, Marcelo Azevedo |
dc.contributor.referee2Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/busca.do |
dc.contributor.authorLattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/busca.do |
dc.contributor.author.fl_str_mv |
Amaral, Felipe Souza |
contributor_str_mv |
Fonseca Neto, Raul Villela, Saulo Moraes Borges, Carlos CrisƟano Hasenclever Costa, Marcelo Azevedo |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
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 |
dc.subject.por.fl_str_mv |
Comitês Perceptron Profundidade de Tukey Mediana de Tukey Ensembles Perceptron Tukey’s median Tukey’s depth |
description |
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. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-03-11 |
dc.date.accessioned.fl_str_mv |
2023-04-14T14:37:51Z |
dc.date.available.fl_str_mv |
2023-04-14 2023-04-14T14:37:51Z |
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.uri.fl_str_mv |
https://repositorio.ufjf.br/jspui/handle/ufjf/15282 |
url |
https://repositorio.ufjf.br/jspui/handle/ufjf/15282 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Ciência da Computação |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ICE – Instituto de Ciências Exatas |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/3/license.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/1/felipesouzaamaral.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/2/license_rdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/4/felipesouzaamaral.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/15282/5/felipesouzaamaral.pdf.jpg |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 b90bd9f96294385dd63bef69be93e2ab 4d2950bda3d176f570a9f8b328dfbbef 7337cd49de15e6e760401d02430fc116 92cfe0ed8531e2ae2c4a31bd211789b9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1801661400258445312 |