Disserta\u00e7\u00e3o de Mestrado
\nAluna: Marina dos Reis Barros Alencar<\/p>\n
Resumo:<\/p>\n
Identificar semelhanc\u0327as nos dados que na\u0303o foram rotulados, classificados ou categorizados e\u0301 uma das func\u0327o\u0303es do aprendizado na\u0303o supervisionado. O agrupamento (do ingle\u0302s clustering) e\u0301 uma te\u0301cnica que permite dividir automaticamente o conjunto de dados de acordo com uma similaridade. A grande vantagem do uso das te\u0301cnicas de agrupamento e\u0301 que, ao agrupar dados similares, pode-se descrever de forma mais eficiente e eficaz as caracteri\u0301sticas peculiares de cada um dos grupos identificados. Dessa forma, este trabalho tem como objetivo a interpretac\u0327a\u0303o desses grupos atrave\u0301s de ro\u0301tulos. O ro\u0301tulo e\u0301 um conjunto de valores relevantes que representam uma definic\u0327a\u0303o para um grupo. Esta abordagem utilizou te\u0301cnicas com aprendizagem de ma\u0301quina na\u0303o supervisionada, aplicac\u0327a\u0303o dos filtros de ganho de informac\u0327a\u0303o atrave\u0301s da selec\u0327a\u0303o de atributos e um modelo de discretizac\u0327a\u0303o. Na metodologia proposta foi aplicado o algoritmo na\u0303o supervisionado para formac\u0327a\u0303o dos grupos e diferentes filtros de selec\u0327a\u0303o de atributos para expor a releva\u0302ncia dos atributos e comparar o funcionamento deles. Tambe\u0301m, para contribuir no processo de rotulac\u0327a\u0303o foi utilizado um me\u0301todo de discretizac\u0327a\u0303o auxiliando no ca\u0301lculo da variac\u0327a\u0303o de valores dos dados. O modelo proposto foi aplicado na rotulac\u0327a\u0303o das bases de dados disponi\u0301veis no reposito\u0301rio UCI, sendo elas, I\u0301ris, Seeds, Wine e Glass. Obtendo-se uma taxa de acerto me\u0301dia de 83.66% com desvio padra\u0303o me\u0301dio de 4.98.<\/p>\n