Análise da variação do limiar para o algoritmo de aprendizado semissupervisionado flexcon-c / Threshold variation analysis for flexcon-c semisupervised learning algorithm

• Autor(a) principal: Gorgônio, Arthur C.
• Data de Publicação: 2019
• Outros Autores: Alves, Cainan T., Lucena, Amarildo J. F., Gorgônio, Flavius L., Vale, Karliane M. O., Canuto, Anne M. P.
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista Veras
• DOI: 10.34117/bjdv5n11-293
• Texto Completo: https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/4855
• topic: Aprendizado de máquina. Aprendizado semissupervisionado. Análise de parâmetros para o algoritmo FlexCon-C

Algoritmos de aprendizado semissupervisionado são capazes de treinar classificadores a partir de uma pequena parcela de objetos inicialmente rotulados. A confiabilidade do processo de classificação depende de vários fatores que incluem o tipo de classificador utilizado e um conjunto de parâmetros que os customiza. Um dos fatores mais importantes é um limiar que determina quais instâncias são incluídas por iteração, permitindo rotular apenas instâncias classificadas com alto valor de confiança. Este artigo analisa diferentes valores para o fator de variação do algoritmo FlexCon-C e mede o impacto dessa alteração na sua acurácia. Os resultados consideram trinta diferentes bases de dados, quatro classificadores e cinco diferentes percentuais de dados pré-rotulados.