Return to search

Uma arquitetura para combinação de classificadores otimizada por métodos de poda com aplicação em credit scoring

Submitted by Lucelia Lucena (lucelia.lucena@ufpe.br) on 2015-03-09T19:29:39Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Luíz Vieira e Silva Filho.pdf: 2176053 bytes, checksum: 4882a96e67804421bca22e07debc49da (MD5) / Made available in DSpace on 2015-03-09T19:29:39Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Luíz Vieira e Silva Filho.pdf: 2176053 bytes, checksum: 4882a96e67804421bca22e07debc49da (MD5)
Previous issue date: 2014-02-17 / Sistemas de Múltiplos Classificadores (Multiple Classifiers Systems - MCS) se baseiam
na ideia de que combinar a opinião de vários especialistas pode produzir
melhores resultados do que quando se usa apenas um especialista. Diversas
técnicas de MCS foram desenvolvidas, apresentando pontos fortes e fracos,
a depender do contexto em que são aplicadas. Este trabalho propõe uma arquitetura
para MCS que visa potencializar a complementaridade entre essas
técnicas, possuindo dois objetivos principais: i) a combinação de métodos
de amostragem tradicionais, visando a geração de classificadores de melhor
desempenho que componham um pool de classificadores; ii) a aplicação de
um algoritmo de poda para remover do pool aqueles classificadores incompetentes
para lidar com o problema em questão, considerando os critérios de
seleção adotados. A arquitetura proposta foi avaliada em uma aplicação de
credit-scoring. Os métodos de amostragem usados foram o Bagging e o Random
Subspace com classificadores-base sendo árvores-de-decisão, construídas
com base no algoritmo CART. Para o processamento da poda foi usado o algoritmo
Orientation Ordering, e para combinação das saídas dos classificadores
do ensemble adotou-se o método Majority Vote. Os experimentos realizados
mostraram que a arquitetura proposta alcançou taxas de acerto similares ou
superiores às atingidas pelos métodos apresentados na literatura. Esses resultados
ainda foram obtidos com ensembles cujos tamanhos eram da ordemde
20% dos pools originais gerados na fase de treinamento.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/11564
Date17 February 2014
CreatorsSilva Filho, Luiz Vieira e
ContributorsCavalcanti, George D. C.
PublisherUniversidade Federal de Pernambuco
Source SetsIBICT Brazilian ETDs
LanguageBreton
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
RightsAttribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds