Applications of Autonomous Learning Multi Model Systems to Binary Classification on Imbalanced Datasets EVALUATED

Detalhes: Dados desbalanceados representam um dos desafios mais complexos para os métodos de aprendizagem automática. Apesar da prevalência deste tipo de dados em diversas áreas, os métodos tradicionais geralmente apresentam uma clara preferência pelas classes sobre-representadas, apresentando um fraco desempenho na deteção das classes sub-representadas. Nesta tese, o desafio da classificação de dados desbalanceados é abordado usando o classificador ALMMo-0, um sistema baseado em regras fuzzy do tipo AnYa que é não-iterativo, não-paramétrico e totalmente autónomo. Todos os testes são conduzidos usando versões desbalanceadas de dados de referência. Em primeiro lugar, o desempenho dos classificadores ALMMo-0 é comparado aos desempenhos de métodos de referência. Especificamente, o desempenho é comparado com métodos de classificação tradicionais, assim como com outros métodos baseados em regras fuzzy. Em segundo lugar, partindo dos resultados obtidos com o ALMMo-0 original, duas modificações são propostas, com o propósito de melhorar a deteção da classe minoritária: um classificador de classe única que não implica a otimização de qualquer parâmetro adicional, e uma estratégia de ponderação da confiança relativamente a cada classe, que ajusta os pesos de cada classe utilizando otimização Bayesiana. Os resultados obtidos para as modificações propostas sugerem uma vantagem significativa relativamente ao ALMMo-0 original no que diz respeito à deteção da classe minoritária. Em particular, os resultados mostram que o classificador de classe única apresenta um desempenho superior em desbalanceamentos elevados, enquanto que a estratégia de ponderação das classes apresenta melhores desempenhos em desbalancemantos moderados e elevados, dependendo da métrica escolhida para a otimização dos pesos.

Discussão: dezembro 17, 2021, 13:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Rodrigo Saragoça Boal Ventura (ist425643)

ORIENTADOR

Susana Margarida da Silva Vieira

Departamento de Engenharia Mecânica (DEM)

Professor Associado

ORIENTADOR

João Miguel Da Costa Sousa

Departamento de Engenharia Mecânica (DEM)

Professor Catedrático