Os Modelos de Rotulação de Grupos propõem a aplicação de técnincas de Inteligência Artificial para extração das principais características dos grupos, a fim de fornecer uma ferramenta para interpretação do agrupamento. Para isso, diferentes técnincas, como Aprendizagem de Máquina, Lógica Fuzzy e discretização de dados são utilizadas na identificação dos atributos mais relevantes para formação dos grupos e dos intervalos de valores associados a eles.

Esse trabalho apresenta um modelo de rotulação de grupos baseado no uso de regressão para delimitação de intervalos de valores dos atributos que revelem os pares atributo- intervalo que melhor resumem os grupos. A relevância de um atributo para o agrupamento é determinada pelos intervalos de valor dos atributos em que o erro de predição da regressão é mínimo, resultando em rótulos específicos e capazes de representar a maioria dos elementos dos grupos.

Os resultados obtidos nos experimentos mostram que o modelo é eficaz em rotular os grupos, apresentando Taxa de Concordância entre 0.84 e 1.0 para as bases de dados utilizadas, além de garantir rótulos exclusivos para cada grupo por meio da análise da Taxa de Concordância dos rótulos em grupos distintos.