Algoritmo aco rank based aprimorado para uso na seleção de variáveis em modelos de classificação.

Nenhuma Miniatura disponível
Data
2023
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Seleção de atributos é um processo onde se busca o melhor subconjunto de variáveis em um determinado conjunto de dados. Em um mundo em que as decisões são cada vez mais baseadas em dados, torna-se essencial o uso de ferramentas que realizem, de forma mais eficiente, essa seleção de variáveis, visando melhorar o desempenho final dos modelos. Neste trabalho, é utilizado como referência o algoritmo pertencente à meta-heurística de otimização por colônia de formigas (ACO), originalmente criado para tratar o problema do Caixeiro Viajante (TSP), e são introduzidas melhorias para adequá-lo à tarefa de seleção de variáveis. O novo algoritmo proposto utiliza métodos Filter-Wrapper em sua estrutura e uma função de aptidão criada especificamente para refinar a seleção de soluções. Esta abordagem foi avaliada em conjuntos de dados do repositório de aprendizado de máquina UCI e os resultados foram comparados com outro algoritmo recentemente publicado que é considerado referência na seleção de variáveis usando ACO. O algoritmo proposto apresentou ganhos importantes no desempenho, superando o algoritmo de comparação na maioria dos casos estudados.
Descrição
Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
Palavras-chave
Mineração de dados - computação - seleção de atributos, Algoritmos computacionais - colônia de formigas, Algoritmos - meta-heurística, Aprendizado do computador
Citação
DELAMORA, Roberto Alexandre. Algoritmo aco rank based aprimorado para uso na seleção de variáveis em modelos de classificação. 2023. 62 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.