BDBComp
Parceria:
SBC
Combinando Classificadores Binários no Espaço de Dissimilaridade para Categorização de Documentos

Roberto H. W. PinheiroGeorge D. C. CavalcantiTsang Ing Ren

Categorização de Documentos é um problema de Aprendizagem de Máquina com alta dimensionalidade. Uma alternativa capaz de lidar com a alta dimensionalidade é o método Random Subspace (Subespaços Aleatórios), pois esse algoritmo divide o espaço de característica entre vários classificadores. Entretanto, essa divisão é feita de modo completamente aleatório, podendo causar prejuízos à classificação mesmo com a combinação de classificadores. Nesse artigo é proposto um método de Combinação de Classificadores que mantém a aleatoriedade sem reduzir a quantidade de características. Esse método baseia-se em uma abordagem chamada Dicotomização, no qual é possível gerar conjuntos aleatoriamente para treinar os classificadores em diferentes espaços de dissimilaridade. Os experimentos realizados sobre 16 bases de dados mostram que o método proposto, especialmente utilizando similaridade, atinge bons resultados em comparação a outros métodos de combinação de classificadores.

http://www.lbd.dcc.ufmg.br/colecoes/eniac/2016/022.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD