Mineração de regras para seleção de técnicas de agrupamento para dados de expressão gênica de câncer

• Ano de defesa: 2009
• Autor(a) principal: NASCIMENTO, André Câmara Alves do
• Orientador(a): PRUDÊNCIO, Ricardo Bastos Cavalcante
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Meta-aprendizado; Técnicas de Agrupamento; Expressão Gênica
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/1812

Diferentes algoritmos têm sido usados para agrupar dados de expressão gênica, porém não há um único algoritmo que possa ser considerado o melhor independentemente dos dados a serem analisados. Neste trabalho, aplicamos técnicas de Meta-aprendizado para relacionar características de conjuntos de dados de expressão gênica ao desempenho de algoritmos de agrupamento. No nosso contexto, cada meta-exemplo representa características descritivas de uma base de dados de expressão gênica e um rótulo indicando o algoritmo de agrupamento que obteve os melhores resultados quando aplicado aos dados. Um conjunto destes metaexemplos é fornecido como entrada para um algoritmo de aprendizado (o meta-aprendiz), que, por sua vez, é responsável por adquirir conhecimento relativo às características descritivas e os melhores algoritmos. Neste trabalho, realizamos experimentos em um estudo de caso no qual um meta-aprendiz foi utilizado para discriminar entre três algoritmos de agrupamento candidatos, bem como para extrair conhecimento interpretável a partir dos experimentos. O conhecimento extraído pelo meta-aprendiz foi útil para o entendimento da aplicabilidade de cada algoritmo de agrupamento para problemas específicos