Notícias

Banca de DEFESA: MANOEL MESSIAS PEREIRA MEDEIROS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MANOEL MESSIAS PEREIRA MEDEIROS
DATA: 06/05/2024
HORA: 08:30
LOCAL: Google Meet
TÍTULO: Rotulação Automática de Grupos com Árvores de Decisão: Uma Abordagem Comparativa
PALAVRAS-CHAVES: Rotulação, Aprendizagem de Máquina. Interpretação de agrupamentos. Árvore de decisão.
PÁGINAS: 67
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

O volume exponencial de dados impulsiona o crescimento da análise de dados. Agrupar
dados em grupos é uma técnica importante, mas a interpretação dos grupos pode ser
desafiadora. A rotulação automática de grupos com árvores de decisão pode ajudar a
resolver este problema. Afim de se validar este modelo de rotulação automática de grupos
com uso de árvores de decisão este trabalho apresenta uma comparação entre quatro
algoritmos de árvore de decisão no contexto da rotulação automática de grupos. Inicial-
mente, destacamos a importância dos modelos de rotulação de grupos como ferramentas
para auxiliar especialistas na interpretação de dados, fornecendo uma definição concisa
das principais características dos grupos. A escolha do algoritmo de árvore de decisão
impacta significativamente na performance do modelo, conforme demonstrado em um
estudo comparativo utilizando os algoritmos ID3, C4.5, CART e CHAID. Os resultados
revelaram que o algoritmo CHAID obteve os melhores resultados nas bases Íris e Sementes,
enquanto o algoritmo C4.5 foi mais eficaz nas bases Vinho e Vidros. As taxas de concor-
dância do algoritmo de melhor desempenho em cada base se aproximaram ou superaram a
média encontrada na literatura. A validade do modelo de rotulação automática de grupos
foi confirmada, destacando a importância da escolha criteriosa do algoritmo de árvore
de decisão.Os resultados deste estudo ressaltam o potencial dos modelos de rotulação
automática de grupos e a relevância da seleção adequada do algoritmo de árvore de decisão.
Pesquisas futuras são essenciais para aprimorar o modelo e expandir suas aplicações,
contribuindo para diversos campos, como descoberta de padrões em bancos de dados,
identificação de grupos em estudos de bioinformática e segmentação de mercado-alvo com
necessidades semelhantes.

 


MEMBROS DA BANCA:
Presidente - 1446435 - VINICIUS PONTE MACHADO
Interno - 1177449 - IVAN SARAIVA SILVA
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS
Externo à Instituição - JOÃO DALLYSON SOUSA DE ALMEIDA - UFMA
Notícia cadastrada em: 12/04/2024 16:52
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 17/06/2024 23:34