Registro fonte: Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas

Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas

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. C...

ver descrição completa

Autor principal:	Takatuzi, Fabio Kenji Oshiro
Formato:	Trabalho de Conclusão de Curso (Graduação)
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2020
Assuntos:	Inteligência computacional Algorítmos computacionais Linguagem de programação (Computadores) Computational intelligence Computer algorithms Programming languages (Electronic computers) CNPQ::CIENCIAS EXATAS E DA TERRA
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/11850
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-11850
recordtype	dspace
spelling	riut-1-118502020-11-14T17:46:34Z Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas Adaptive-IDT: incremental algorithm for learning adaptive decision trees Takatuzi, Fabio Kenji Oshiro Krynski, Eleandro Maschio Krynski, Eleandro Maschio Banaszewski, Roni Fabio Marczal, Diego Inteligência computacional Algorítmos computacionais Linguagem de programação (Computadores) Computational intelligence Computer algorithms Programming languages (Electronic computers) CNPQ::CIENCIAS EXATAS E DA TERRA 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. 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. 2020-11-14T17:46:34Z 2020-11-14T17:46:34Z 2017-06-21 bachelorThesis 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. http://repositorio.utfpr.edu.br/jspui/handle/1/11850 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Guarapuava Brasil Tecnologia em Sistemas para Internet UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Inteligência computacional Algorítmos computacionais Linguagem de programação (Computadores) Computational intelligence Computer algorithms Programming languages (Electronic computers) CNPQ::CIENCIAS EXATAS E DA TERRA
spellingShingle	Inteligência computacional Algorítmos computacionais Linguagem de programação (Computadores) Computational intelligence Computer algorithms Programming languages (Electronic computers) CNPQ::CIENCIAS EXATAS E DA TERRA Takatuzi, Fabio Kenji Oshiro Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
description	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.
format	Trabalho de Conclusão de Curso (Graduação)
author	Takatuzi, Fabio Kenji Oshiro
author_sort	Takatuzi, Fabio Kenji Oshiro
title	Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
title_short	Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
title_full	Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
title_fullStr	Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
title_full_unstemmed	Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
title_sort	adaptive-idt: algoritmo incremental para aprendizagem de árvores de decisão adaptativas
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2020
citation	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.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/11850
_version_	1805321542504022016
score	10,814766

Adaptive-IDT: algoritmo incremental para aprendizagem de árvores de decisão adaptativas

Registros relacionados