MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Ribeiro, Leonardo Rodrigues lattes
Orientador(a): Coimbra, Danilo Barbosa lattes
Banca de defesa: Coimbra, Danilo Barbosa lattes, Covões, Thiago Ferreira lattes, Rios, Ricardo Araújo lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal da Bahia
Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação (PGCOMP) 
Departamento: Instituto de Computação - IC
País: Brasil
Palavras-chave em Português:
Meta-aprendizagem
Visualização de informação
Projeções multidimensionais
Algorítmos
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: https://repositorio.ufba.br/handle/ri/38590
Resumo: As técnicas de visualização de dados possuem um enorme potencial para análise, sumarização, compreensão a fim de facilitar a extração de informação. Áreas recentes como Visual Analytics e Ciência de Dados evidenciam a sua importância, principalmente para analisar complexos conjuntos de dados. Nesse sentido, as técnicas de Projeção Multidimensional são particularmente utilizadas para realizar análise visual de conjuntos de dados de alta dimensionalidade, em razão de realizarem redução de dimensionalidade e, por consequência, possuírem melhor escalabilidade no tocante a quantidade de atributos/dimensões. Todavia, há uma grande variedade destas técnicas de projeção e definir qual a mais adequada para encontrar padrões visuais de informação em um, ou vários, conjuntos de dados não é uma tarefa trivial. Ainda que os trabalhos na literatura testem e comparem diferentes técnicas em conjuntos de dados com características distintas, não o fazem de modo sistematizado para facilitar uma escolha para o usuário. Nesse contexto, esta pesquisa utiliza a meta-aprendizagem para classificar e recomendar as projeções multidimensionais considerando determinadas métricas de avaliação em uma base de conhecimento com mais de 500 conjuntos de dados distintos. Para avaliar a abordagem foi observado i) a relação entre os meta-atributos de todos os conjuntos de dados, ii) geração de um ranking contendo o desempenho das técnicas de projeção escolhidas e, iii) desempenho da recomendação dessas técnicas. Por fim, os resultados obtidos mostram que a abordagem desenvolvida contribui de modo eficiente para a escolha e recomendação de técnicas de projeção multidimensional.
id UFBA-2_8761c4f956e65cd121aef641f6565520
oai_identifier_str oai:repositorio.ufba.br:ri/38590
network_acronym_str UFBA-2
network_name_str Repositório Institucional da UFBA
repository_id_str
spelling 2023-12-05T12:17:02Z2023-12-05T12:17:02Z2023-10-06RIBEIRO, Leonardo Rodrigues. MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem. 2023. 223 f. Dissertação (Mestrado em Ciências da Computação) Instituto de Computação, Universidade Federal da Bahia, Salvador, Ba, 2023.https://repositorio.ufba.br/handle/ri/38590As técnicas de visualização de dados possuem um enorme potencial para análise, sumarização, compreensão a fim de facilitar a extração de informação. Áreas recentes como Visual Analytics e Ciência de Dados evidenciam a sua importância, principalmente para analisar complexos conjuntos de dados. Nesse sentido, as técnicas de Projeção Multidimensional são particularmente utilizadas para realizar análise visual de conjuntos de dados de alta dimensionalidade, em razão de realizarem redução de dimensionalidade e, por consequência, possuírem melhor escalabilidade no tocante a quantidade de atributos/dimensões. Todavia, há uma grande variedade destas técnicas de projeção e definir qual a mais adequada para encontrar padrões visuais de informação em um, ou vários, conjuntos de dados não é uma tarefa trivial. Ainda que os trabalhos na literatura testem e comparem diferentes técnicas em conjuntos de dados com características distintas, não o fazem de modo sistematizado para facilitar uma escolha para o usuário. Nesse contexto, esta pesquisa utiliza a meta-aprendizagem para classificar e recomendar as projeções multidimensionais considerando determinadas métricas de avaliação em uma base de conhecimento com mais de 500 conjuntos de dados distintos. Para avaliar a abordagem foi observado i) a relação entre os meta-atributos de todos os conjuntos de dados, ii) geração de um ranking contendo o desempenho das técnicas de projeção escolhidas e, iii) desempenho da recomendação dessas técnicas. Por fim, os resultados obtidos mostram que a abordagem desenvolvida contribui de modo eficiente para a escolha e recomendação de técnicas de projeção multidimensional.Data visualization techniques have enormous potential for analysis, summarization, understanding in order to facilitate information extraction. Recent areas such as Visual Analytics and Data Science highlight its importance, especially for analyzing complex sets of data. In this sense, Multidimensional Projection techniques are particularly used to perform visual analysis of high-dimensional data sets, because they perform dimensionality reduction and, consequently, have better scalability regarding the number of attributes/dimensions. However, there is a wide variety of these projection techniques and defining which is most suitable for finding visual patterns of information in one, or several, data sets is not a trivial task. Although works in the literature test and compare different techniques on data sets with different characteristics, they do not do so in a systematic way to facilitate a choice for the user. In this context, this research uses meta-learning to classify and recommend multidimensional projections considering certain evaluation metrics in a knowledge base with more than 500 distinct data sets. To evaluate the approach, i) the relationship between the meta-attributes of all data sets was observed, ii) generation of a ranking containing the performance of the chosen projection techniques and, iii) performance of the recommendation of these techniques. Finally, the results obtained show that the developed approach contributes efficiently to the choice and recommendation of multidimensional projection techniques.Submitted by LEONARDO RIBEIRO (leorodriguesbdo@gmail.com) on 2023-12-04T16:21:52Z No. of bitstreams: 2 license_rdf: 701 bytes, checksum: 42fd4ad1e89814f5e4a476b409eb708c (MD5) Dissertacao_mestrado_Leonardo_versao_final.pdf: 6065894 bytes, checksum: 0852fd4ac5a8fc37103db8df9e5b5977 (MD5)Approved for entry into archive by Solange Rocha (soluny@gmail.com) on 2023-12-05T12:17:02Z (GMT) No. of bitstreams: 2 Dissertacao_mestrado_Leonardo_versao_final.pdf: 6065894 bytes, checksum: 0852fd4ac5a8fc37103db8df9e5b5977 (MD5) license_rdf: 701 bytes, checksum: 42fd4ad1e89814f5e4a476b409eb708c (MD5)Made available in DSpace on 2023-12-05T12:17:02Z (GMT). No. of bitstreams: 2 Dissertacao_mestrado_Leonardo_versao_final.pdf: 6065894 bytes, checksum: 0852fd4ac5a8fc37103db8df9e5b5977 (MD5) license_rdf: 701 bytes, checksum: 42fd4ad1e89814f5e4a476b409eb708c (MD5) Previous issue date: 2023-10-06porUniversidade Federal da BahiaPrograma de Pós-Graduação em Ciência da Computação (PGCOMP) UFBABrasilInstituto de Computação - ICCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/info:eu-repo/semantics/openAccessMeta-learningInformation visualizationMultidimensional projectionsAlgorithmsCNPQ::CIENCIAS EXATAS E DA TERRACNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOMeta-aprendizagemVisualização de informaçãoProjeções multidimensionaisAlgorítmosMetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagemMetaLProjection: an approach to recommending dimensionality reduction algorithms using meta-learningMestrado Acadêmicoinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionCoimbra, Danilo Barbosa0000-0003-2218-1351http://lattes.cnpq.br/9590398895954821Jaskowiak, Pablo Andretta0000-0002-6377-3372http://lattes.cnpq.br/3294090242380648Coimbra, Danilo Barbosa0000-0003-2218-1351http://lattes.cnpq.br/9590398895954821Covões, Thiago Ferreira0000-0003-1004-646Xhttp://lattes.cnpq.br/3706277130006136Rios, Ricardo Araújohttp://lattes.cnpq.br/0427387583450747https://lattes.cnpq.br/8242939146913083Ribeiro, Leonardo Rodriguesreponame:Repositório Institucional da UFBAinstname:Universidade Federal da Bahia (UFBA)instacron:UFBATEXTDissertacao_mestrado_Leonardo_versao_final.pdf.txtDissertacao_mestrado_Leonardo_versao_final.pdf.txtExtracted texttext/plain656112https://repositorio.ufba.br/bitstream/ri/38590/4/Dissertacao_mestrado_Leonardo_versao_final.pdf.txt0c7c3878b101c2c0433fd264f35f8d82MD54ORIGINALDissertacao_mestrado_Leonardo_versao_final.pdfDissertacao_mestrado_Leonardo_versao_final.pdfDissertação de Mestrado de Leonardo Rodrigues Ribeiroapplication/pdf6065894https://repositorio.ufba.br/bitstream/ri/38590/1/Dissertacao_mestrado_Leonardo_versao_final.pdf0852fd4ac5a8fc37103db8df9e5b5977MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repositorio.ufba.br/bitstream/ri/38590/2/license_rdf42fd4ad1e89814f5e4a476b409eb708cMD52LICENSElicense.txtlicense.txttext/plain1715https://repositorio.ufba.br/bitstream/ri/38590/3/license.txt67bf4f75790b0d8d38d8f112a48ad90bMD53ri/385902023-12-09 02:04:23.584oai:repositorio.ufba.br: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Repositório InstitucionalPUBhttp://192.188.11.11:8080/oai/requestopendoar:19322023-12-09T05:04:23Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)false
dc.title.pt_BR.fl_str_mv MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
dc.title.alternative.pt_BR.fl_str_mv MetaLProjection: an approach to recommending dimensionality reduction algorithms using meta-learning
title MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
spellingShingle MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
Ribeiro, Leonardo Rodrigues
CNPQ::CIENCIAS EXATAS E DA TERRA
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Meta-aprendizagem
Visualização de informação
Projeções multidimensionais
Algorítmos
Meta-learning
Information visualization
Multidimensional projections
Algorithms
title_short MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
title_full MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
title_fullStr MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
title_full_unstemmed MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
title_sort MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem
author Ribeiro, Leonardo Rodrigues
author_facet Ribeiro, Leonardo Rodrigues
author_role author
dc.contributor.advisor1.fl_str_mv Coimbra, Danilo Barbosa
dc.contributor.advisor1ID.fl_str_mv 0000-0003-2218-1351
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/9590398895954821
dc.contributor.advisor-co1.fl_str_mv Jaskowiak, Pablo Andretta
dc.contributor.advisor-co1ID.fl_str_mv 0000-0002-6377-3372
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/3294090242380648
dc.contributor.referee1.fl_str_mv Coimbra, Danilo Barbosa
dc.contributor.referee1ID.fl_str_mv 0000-0003-2218-1351
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/9590398895954821
dc.contributor.referee2.fl_str_mv Covões, Thiago Ferreira
dc.contributor.referee2ID.fl_str_mv 0000-0003-1004-646X
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/3706277130006136
dc.contributor.referee3.fl_str_mv Rios, Ricardo Araújo
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/0427387583450747
dc.contributor.authorLattes.fl_str_mv https://lattes.cnpq.br/8242939146913083
dc.contributor.author.fl_str_mv Ribeiro, Leonardo Rodrigues
contributor_str_mv Coimbra, Danilo Barbosa
Jaskowiak, Pablo Andretta
Coimbra, Danilo Barbosa
Covões, Thiago Ferreira
Rios, Ricardo Araújo
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic CNPQ::CIENCIAS EXATAS E DA TERRA
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Meta-aprendizagem
Visualização de informação
Projeções multidimensionais
Algorítmos
Meta-learning
Information visualization
Multidimensional projections
Algorithms
dc.subject.por.fl_str_mv Meta-aprendizagem
Visualização de informação
Projeções multidimensionais
Algorítmos
dc.subject.other.pt_BR.fl_str_mv Meta-learning
Information visualization
Multidimensional projections
Algorithms
description As técnicas de visualização de dados possuem um enorme potencial para análise, sumarização, compreensão a fim de facilitar a extração de informação. Áreas recentes como Visual Analytics e Ciência de Dados evidenciam a sua importância, principalmente para analisar complexos conjuntos de dados. Nesse sentido, as técnicas de Projeção Multidimensional são particularmente utilizadas para realizar análise visual de conjuntos de dados de alta dimensionalidade, em razão de realizarem redução de dimensionalidade e, por consequência, possuírem melhor escalabilidade no tocante a quantidade de atributos/dimensões. Todavia, há uma grande variedade destas técnicas de projeção e definir qual a mais adequada para encontrar padrões visuais de informação em um, ou vários, conjuntos de dados não é uma tarefa trivial. Ainda que os trabalhos na literatura testem e comparem diferentes técnicas em conjuntos de dados com características distintas, não o fazem de modo sistematizado para facilitar uma escolha para o usuário. Nesse contexto, esta pesquisa utiliza a meta-aprendizagem para classificar e recomendar as projeções multidimensionais considerando determinadas métricas de avaliação em uma base de conhecimento com mais de 500 conjuntos de dados distintos. Para avaliar a abordagem foi observado i) a relação entre os meta-atributos de todos os conjuntos de dados, ii) geração de um ranking contendo o desempenho das técnicas de projeção escolhidas e, iii) desempenho da recomendação dessas técnicas. Por fim, os resultados obtidos mostram que a abordagem desenvolvida contribui de modo eficiente para a escolha e recomendação de técnicas de projeção multidimensional.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-12-05T12:17:02Z
dc.date.available.fl_str_mv 2023-12-05T12:17:02Z
dc.date.issued.fl_str_mv 2023-10-06
dc.type.driver.fl_str_mv Mestrado Acadêmico
info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv RIBEIRO, Leonardo Rodrigues. MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem. 2023. 223 f. Dissertação (Mestrado em Ciências da Computação) Instituto de Computação, Universidade Federal da Bahia, Salvador, Ba, 2023.
dc.identifier.uri.fl_str_mv https://repositorio.ufba.br/handle/ri/38590
identifier_str_mv RIBEIRO, Leonardo Rodrigues. MetaLProjection: uma abordagem para recomendação de algoritmos de redução de dimensionalidade utilizando meta-aprendizagem. 2023. 223 f. Dissertação (Mestrado em Ciências da Computação) Instituto de Computação, Universidade Federal da Bahia, Salvador, Ba, 2023.
url https://repositorio.ufba.br/handle/ri/38590
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal da Bahia
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Ciência da Computação (PGCOMP) 
dc.publisher.initials.fl_str_mv UFBA
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Computação - IC
publisher.none.fl_str_mv Universidade Federal da Bahia
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFBA
instname:Universidade Federal da Bahia (UFBA)
instacron:UFBA
instname_str Universidade Federal da Bahia (UFBA)
instacron_str UFBA
institution UFBA
reponame_str Repositório Institucional da UFBA
collection Repositório Institucional da UFBA
bitstream.url.fl_str_mv https://repositorio.ufba.br/bitstream/ri/38590/4/Dissertacao_mestrado_Leonardo_versao_final.pdf.txt
https://repositorio.ufba.br/bitstream/ri/38590/1/Dissertacao_mestrado_Leonardo_versao_final.pdf
https://repositorio.ufba.br/bitstream/ri/38590/2/license_rdf
https://repositorio.ufba.br/bitstream/ri/38590/3/license.txt
bitstream.checksum.fl_str_mv 0c7c3878b101c2c0433fd264f35f8d82
0852fd4ac5a8fc37103db8df9e5b5977
42fd4ad1e89814f5e4a476b409eb708c
67bf4f75790b0d8d38d8f112a48ad90b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)
repository.mail.fl_str_mv
_version_ 1801503134128799744

Registros relacionados