Aluno: Tarc\u00edsio Franco Jaime<\/p>\n
Disserta\u00e7\u00e3o de Mestrado<\/em><\/p>\n Resumo<\/strong>:<\/p>\n Com o avan\u00e7o da tecnologia, cada vez mais equipamentos est\u00e3o se conectando nas redes, gerando fluxos e processamento de dados. Com isso, mais algoritmos de aprendizado de m\u00e1quina est\u00e3o sendo estudados para extra\u00edrem informa\u00e7\u00f5es relevantes desses grandes volumes. Com o grande aumento desse fluxo de dados, a interpreta\u00e7\u00e3o destes pode ser prejudicada, sendo o grau de dificuldade proporcional a esse crescimento. \u00c9 nesse contexto que essa pesquisa atua utilizando algoritmos de aprendizado de m\u00e1quina supervisionados, os quais s\u00e3o algoritmos capazes de aprender atrav\u00e9s de determinados exemplos ou comportamentos. Neste trabalho realizou-se uma pesquisa cient\u00edfica com o objetivo de identificar em grupos de dados quais s\u00e3o os atributos mais significativos junto aos valores que mais se repetem a ponto de represent\u00e1-lo, denominando-se essa te\u00e9cnica de rotula\u00e7\u00e3o. Dessa forma, utilizou-se t\u00e9cnica de algoritmos supervisionados, que atrav\u00e9s dos dados de entrada fazem uma correla\u00e7\u00e3o com uma sa\u00edda desej\u00e1vel, e mediante isso, essa t\u00e9cnica \u00e9 aplicada em todos os atributos para encontrar o mais significativo no cluster. Em seguida, a partir desse atributo mais significativo, utiliza-se um intervalo de dados que possui maior incid\u00eancia de valores compondo o r\u00f3tulo (atributo\/faixa de valor). Nas bases testadas, somente uma dentre as quatro, obtiveram acur\u00e1cias em alguns clusters abaixo de 70%, mas em todas outras os r\u00f3tulos tiveram acur\u00e1cias acima desse valor, indicando que \u00e9 poss\u00edvel identificar os grupos atrav\u00e9s dos r\u00f3tulos encontrados.<\/p>\n