Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/9426
Título: Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
Título(s) alternativo(s): Adaptive-IDT: incremental algorithm for learning adaptive decision trees
Autor(es): Takatuzi, Fabio Kenji Oshiro
Orientador(es): Krynski, Eleandro Maschio
Palavras-chave: Inteligência computacional
Algorítmos computacionais
Linguagem de programação (Computadores)
Computational intelligence
Computer algorithms
Programming languages (Electronic computers)
Data do documento: 21-Jun-2017
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Guarapuava
Referência: TAKATUZI, Fabio Kenji Oshiro. Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas. 2017. 67 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Guarapuava, 2017.
Resumo: A indução de arvores de decisão é hoje um dos métodos mais utilizados para a resolução de problemas de classificação, tomada de decisão e aprendizagem de máquina (MITCHELL, 1997). Por meio deste método é possível criar uma arvore de decisão baseada em um conjunto de dados de treinamento e, posteriormente, classificar novos exemplos com base na sua estrutura. A classificação gera uma saída, denominada valor classe, que age como resposta aos valores de entrada. No entanto, existem diversas situações em que os dados de treinamento se encontram em constante mudança, como nos problemas de aprendizagem incremental, em que processo de aprendizagem considera a dinamicidade do conjunto de treinamento. Para problemas como este, a adaptabilidade apresenta uma solução bastante aderente, pois permite que uma estrutura se automodifique em resposta a estímulos externos, incorporando a ela novas informações. Foi proposto neste trabalho um algoritmo para indução de arvores de decisão, denominado Adaptive-IDT, baseado na união de técnicas estatísticas com a tecnologia adaptativa. Por meio da sua especificação e implementação, espera-se que o mesmo possa apresentar uma solução alternativa para os métodos de aprendizagem de máquina tradicionais, além de fornecer um embasamento para futuros trabalhos que possuam enfoque na utilização da adaptabilidade aplicada a métodos de classificação e aprendizagem de máquina.
Abstract: The induction of decision trees is nowadays one of the most used methods for solving problems of classification, decision making and machine learning (MITCHELL, 1997). Using this method you can create a decision tree based on a training data set and then sort new examples based on their structure. Classification generates an output, called a class value, that acts in response to input values. However, there are several situations in which training data is constantly changing, such as in the problems of incremental learning, in which learning process considers the dynamism of the training set. For problems such as this, the adaptability presents a very adherent solution, since it allows a structure to self-modify in response to external stimuli, incorporating new information. This paper proposes an algorithm for induction of decision trees, called Adaptive-IDT, based on the union of statistical techniques with adaptive technology. Through its specification and implementation, it is expected that it may present an alternative solution to traditional machine learning methods, as well as providing a foundation for future work that focuses on the use of adaptability applied to classification and learning methods Machine.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/9426
Aparece nas coleções:GP - Tecnologia em Sistemas para Internet

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
GP_COINT_2017_1_02.pdf2,23 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.