Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPR |
Texto Completo: | https://hdl.handle.net/1884/3770 |
Resumo: | Orientadora: Aurora Trinidad Ramírez Pozo |
id |
UFPR_a750d358f4197ade6cf6a96921d5e7c4 |
---|---|
oai_identifier_str |
oai:acervodigital.ufpr.br:1884/3770 |
network_acronym_str |
UFPR |
network_name_str |
Repositório Institucional da UFPR |
repository_id_str |
308 |
spelling |
Vriesmann, Leila MariaGuimaraes, Alaine MargareteUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaRamirez Pozo, Aurora Trinidad, 1959-2021-07-14T11:50:10Z2021-07-14T11:50:10Z2006https://hdl.handle.net/1884/3770Orientadora: Aurora Trinidad Ramírez PozoCo-orientadora: Alaine Margarete GuimaraesDissertaçao (mestrado) - Universidade Federal do Paraná, Setor de Ciencias Exatas, Programa de Pós-Graduaçao em Informática. Defesa: Curitiba, 2006Inclui bibliografiaResumo: O aumento no volume de dados armazenados contribui para o crescimento da expectativa de obter informações implícitas que possam auxiliar em decisões futuras. A extração de padrão nos dados que possuem alguma dimensão de tempo é tarefa da Mineração de Dados Temporais. Quando os atributos têm características numéricas, os padrões podem ser descobertos por meio da regressão, a qual constrói modelos que mapeiam variáveis de entrada x = {x1...xn} para uma variável de saída y. Para determinar modelos (equações) lineares na regressão, convém que a técnica utilizada seja capaz de manipular variáveis contínuas. Diferentes técnicas podem ser utilizadas na Mineração de Dados, como Redes Neurais e algoritmos de Computação Evolucionária (Programação Genética, Algoritmos Genéticos, etc). A Computação Evolucionária (EC – Evolutionary Computation) é uma das áreas do aprendizado de máquina onde a solução de problemas baseia-se na teoria da evolução natural das espécies, proposta por Darwin. Entre as técnicas de Computação Evolucionária, as Estratégias Evolucionárias (ESs – Evolution Strategies) são apropriadas para a manipulação de variáveis contínuas. ESs codificam indivíduos (soluções) na forma de variáveis reais (contínuas) e evoluem essas soluções ao longo das gerações. Assim sendo, Estratégia Evolucionária pode ser utilizada na tarefa de regressão. Para aperfeiçoar as hipóteses obtidas por meio de ES, pode-se utilizar o Boosting, um método de aprendizado de máquina que visa gerar uma única solução precisa, combinando hipóteses fracas. Um algoritmo de Boosting é o AdaBoost, o qual fornece um conjunto de exemplos de treinamento com uma distribuição de pesos a um programa que gera hipóteses fracas. Isso força o programa a focar em exemplos de maior peso. O objetivo deste trabalho foi utilizar AdaBoost e ESs na tarefa de regressão para a Mineração de Dados Temporais. O algoritmo exposto nessa dissertação, denominado ESboost, foi implementado em C++ e utilizou a biblioteca EO. Realizaram-se diferentes experimentos com séries temporais univariadas, com séries temporais multivariadas e com bases de dados de regressão. Em relação às execuções da ES sem Boosting, observou-se que na maioria dos casos houve uma melhora pelo menos com uma das funções de perdas. Em muitos casos, houve melhora em relação à regressão linear e às model trees do software Weka, o qual é uma ferramenta para Mineração de Dados. Os resultados do ESboost nas séries temporais univariadas superaram o modelo ARMA em quase todas as séries. Trabalhos futuros poderão constituir-se da aplicação de outras técnicas de aprendizado de máquina no lugar de ES, de experimentos com outras funções de fitness e de estudos comparativos com outras metodologias para a predição de eventosviii, 65f. : il., tabs.application/pdfDisponível em formato digitalInformáticaBanco de dados temporaisAnalise de series temporais - Processamento de dadosMineração de dados (Computação)TesesCiencia da ComputaçãoBoosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALDissertBoosting_ES_MDTemporal.pdfapplication/pdf1044007https://acervodigital.ufpr.br/bitstream/1884/3770/1/DissertBoosting_ES_MDTemporal.pdf7fbb56881de098d4792c3bbff0aea2e8MD51open accessTEXTDissertBoosting_ES_MDTemporal.pdf.txtExtracted Texttext/plain125495https://acervodigital.ufpr.br/bitstream/1884/3770/2/DissertBoosting_ES_MDTemporal.pdf.txt90e85696fd7fc04dcb6052c9f3616f7cMD52open accessTHUMBNAILDissertBoosting_ES_MDTemporal.pdf.jpgGenerated Thumbnailimage/jpeg1124https://acervodigital.ufpr.br/bitstream/1884/3770/3/DissertBoosting_ES_MDTemporal.pdf.jpge77d71151c81c59fea52b55c2471aaf9MD53open access1884/37702021-07-14 08:50:10.735open accessoai:acervodigital.ufpr.br:1884/3770Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-07-14T11:50:10Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false |
dc.title.pt_BR.fl_str_mv |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
title |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
spellingShingle |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais Vriesmann, Leila Maria Informática Banco de dados temporais Analise de series temporais - Processamento de dados Mineração de dados (Computação) Teses Ciencia da Computação |
title_short |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
title_full |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
title_fullStr |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
title_full_unstemmed |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
title_sort |
Boosting e estratégias evolucionárias na tarefa de regressao para a mineraçao de dados temporais |
author |
Vriesmann, Leila Maria |
author_facet |
Vriesmann, Leila Maria |
author_role |
author |
dc.contributor.other.pt_BR.fl_str_mv |
Guimaraes, Alaine Margarete Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática |
dc.contributor.author.fl_str_mv |
Vriesmann, Leila Maria |
dc.contributor.advisor1.fl_str_mv |
Ramirez Pozo, Aurora Trinidad, 1959- |
contributor_str_mv |
Ramirez Pozo, Aurora Trinidad, 1959- |
dc.subject.por.fl_str_mv |
Informática Banco de dados temporais Analise de series temporais - Processamento de dados Mineração de dados (Computação) Teses Ciencia da Computação |
topic |
Informática Banco de dados temporais Analise de series temporais - Processamento de dados Mineração de dados (Computação) Teses Ciencia da Computação |
description |
Orientadora: Aurora Trinidad Ramírez Pozo |
publishDate |
2006 |
dc.date.issued.fl_str_mv |
2006 |
dc.date.accessioned.fl_str_mv |
2021-07-14T11:50:10Z |
dc.date.available.fl_str_mv |
2021-07-14T11:50:10Z |
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://hdl.handle.net/1884/3770 |
url |
https://hdl.handle.net/1884/3770 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.pt_BR.fl_str_mv |
Disponível em formato digital |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
viii, 65f. : il., tabs. application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPR instname:Universidade Federal do Paraná (UFPR) instacron:UFPR |
instname_str |
Universidade Federal do Paraná (UFPR) |
instacron_str |
UFPR |
institution |
UFPR |
reponame_str |
Repositório Institucional da UFPR |
collection |
Repositório Institucional da UFPR |
bitstream.url.fl_str_mv |
https://acervodigital.ufpr.br/bitstream/1884/3770/1/DissertBoosting_ES_MDTemporal.pdf https://acervodigital.ufpr.br/bitstream/1884/3770/2/DissertBoosting_ES_MDTemporal.pdf.txt https://acervodigital.ufpr.br/bitstream/1884/3770/3/DissertBoosting_ES_MDTemporal.pdf.jpg |
bitstream.checksum.fl_str_mv |
7fbb56881de098d4792c3bbff0aea2e8 90e85696fd7fc04dcb6052c9f3616f7c e77d71151c81c59fea52b55c2471aaf9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1801860672406945792 |