Anais > Edições Anteriores > Anais do XI WCF 2015 > Algoritmos de Agrupamento Divisivos com Pré-Determinaçãodo Número de Grupos

Algoritmos de Agrupamento Divisivos com Pré-Determinaçãodo Número de Grupos

Autores: Paulo Rogério Nietto, Maria do Carmo Nicoletti

Aprendizado de Máquina (AM) é uma subárea da Inteligência Artificial com foco em investigações e propostas de novos formalismos e algoritmos computacionais neles ba-seados, com vistas a dotar computadores com a habilidade de realizar aprendizado au-tomático. Ao longo das últimas décadas inúmeras ideias de como viabilizar AM tem sido propostas e implementadas. O sucesso e a popularidade de métodos automáticos de aprendizado se devem, principalmente, aos chamados algoritmos de aprendizado induti-vo de máquina (AIM). Inúmeras referências abordam revisões de algoritmos de AM e, particularmente, de AIM, tais como [Mitchell 1997] [Duda et al. 2001] [Murtagh & Contreras 2011] e [Witten et al. 2011].
Para que algoritmos de AIM aprendam a(s) expressão(ões) que representam con-ceito(s), é mandatório que esteja disponível a tais algoritmos um conjunto de padrões (de dados), chamado conjunto de treinamento, que agrupa instâncias concretas do(s) conceito(s) a ser(em) aprendido(s). Via de regra cada padrão de um conjunto de treina-mento é representado por um vetor de valores de atributos e de uma classe associada (i.e., o conceito que o padrão representa). Algoritmos de AIM que fazem uso da infor-mação da classe associada a cada padrão do conjunto de treinamento são caracterizados como algoritmos de aprendizado supervisionado. Nem sempre, entretanto, a classe par-ticipa da descrição dos padrões. Para que o aprendizado de máquina possa ainda assim ser realizado usando tais padrões, têm sido propostos, ao longo dos anos, um grupo de algoritmos, caracterizados como de aprendizado não-supervisionado, capazes de apren-der sem supervisão i.e., sem a informação extra da classe à qual o padrão pertence (ver [Theodoridis & Koutroumbas 1999], [Duda et al. 2001] e [Bandyopadhyay & Saha 2013]). Via de regra algoritmos e técnicas de agrupamento são utilizados quando não existe classe associada aos padrões; o uso clássico de agrupamento é em situações em que o conjunto original de dados deve ser particionado no que se convenciona chamar de 'grupos naturais'. Esses grupos, presumivelmente, refletem alguma tendência inerente ao domínio de conhecimento (de onde provém os padrões de dados), tendência essa que causa alguns dos padrões serem mais similares entre si do que mais similares a alguns outros, do mesmo conjunto.

DOCUMENTO COMPLETO

• Algoritmos de Agrupamento Divisivos com Pré-Determinaçãodo Número de Grupos