Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Oliveira, Thayse Duarte de
Orientador(a): Loch, Gustavo Valentim, 1985-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado do computador
Redes neurais (Computação)
Modelos matemáticos
Análise Numérica
Link de acesso: https://hdl.handle.net/1884/86322
Resumo: Orientador: Prof. Dr. Gustavo Valentim Loch
id UFPR_0103485d416273cb6997f80536b119da
oai_identifier_str oai:acervodigital.ufpr.br:1884/86322
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaLoch, Gustavo Valentim, 1985-Oliveira, Thayse Duarte de2024-01-31T22:01:18Z2024-01-31T22:01:18Z2023https://hdl.handle.net/1884/86322Orientador: Prof. Dr. Gustavo Valentim LochDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 28/08/2023Inclui referênciasÁrea de concentração: Programação MatemáticaResumo: O presente estudo contribui na resolucao do problema de dados desbalanceados, onde o desequilibrio na distribuicao das classes pode prejudicar a precisao da classificacao. Propos-se abordagens de aprendizado de maquina com o intuito de adaptar modelos matematicos de forma a capturar padroes nas caracteristicas relevantes da classe minoritaria, visando melhorias significativas no desempenho geral da classificacao. Os experimentos computacionais do algoritmo IGWO-KELM demonstraram que o modelo foi eficaz, rapido e robusto em diversos cenarios, alcancando altas taxas de AUC em conjuntos de dados desbalanceados. Comparado com outros classificadores como o Naive Bayes, Nearest Neighbors e Incremental Gene Expression Programming Classifier o IGWO-KELM apresentou vantagem em cerca de 76% dos casos avaliados, mesmo em bases com taxa de desbalanceamento inferior a 6%. Alem disso, o metodo ainda apresenta oportunidades de melhoria por meio dos estudos de diferentes algoritmos de busca de hiperparametros, tecnicas de reamostragem e outras abordagens complementares. Em conclusao, o IGWO-KELM oferece uma solucao eficiente e confiavel para melhorar o desempenho do classificador em termos de AUC e tempo de processamento em cenarios de dados desbalanceados.Abstract: This study contributes to solving the problem of imbalanced data, where the imbalance in the distribution of classes can impair classification accuracy. Machine learning approaches were proposed to adapt mathematical models to capture patterns in the relevant features of the minority class, aiming for significant improvements in overall classification performance. Computational experiments with the IGWO-KELM algorithm demonstrated that the model was effective, fast, and robust in various scenarios, achieving high AUC rates on imbalanced datasets. Compared to other classifiers such as Naive Bayes, Nearest Neighbors, and Incremental Gene Expression Programming Classifier, IGWO-KELM showed an advantage in approximately 76% of the evaluated cases, even in datasets with an imbalance rate below 6%. Furthermore, the method still presents opportunities for improvement through the study of different hyperparameter search algorithms, resampling techniques, and other complementary approaches. In conclusion, IGWO-KELM offers an efficient and reliable solution to enhance classifier performance in terms of AUC and processing time in imbalanced data scenarios.1 recurso online : PDF.application/pdfAprendizado do computadorRedes neurais (Computação)Modelos matemáticosAnálise NuméricaProposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELMinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - THAYSE DUARTE DE OLIVEIRA.pdfapplication/pdf2141472https://acervodigital.ufpr.br/bitstream/1884/86322/1/R%20-%20D%20-%20THAYSE%20DUARTE%20DE%20OLIVEIRA.pdf1dfa1ffc2030eb664bbbe8d793d1dc05MD51open access1884/863222024-01-31 19:01:18.83open accessoai:acervodigital.ufpr.br:1884/86322Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082024-01-31T22:01:18Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
title Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
spellingShingle Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
Oliveira, Thayse Duarte de
Aprendizado do computador
Redes neurais (Computação)
Modelos matemáticos
Análise Numérica
title_short Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
title_full Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
title_fullStr Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
title_full_unstemmed Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
title_sort Proposta de utilização do IGWO para o problema de classificação de dados desbalanceados por meio do modelo de aprendizado de máquina KELM
author Oliveira, Thayse Duarte de
author_facet Oliveira, Thayse Duarte de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Loch, Gustavo Valentim, 1985-
dc.contributor.author.fl_str_mv Oliveira, Thayse Duarte de
contributor_str_mv Loch, Gustavo Valentim, 1985-
dc.subject.por.fl_str_mv Aprendizado do computador
Redes neurais (Computação)
Modelos matemáticos
Análise Numérica
topic Aprendizado do computador
Redes neurais (Computação)
Modelos matemáticos
Análise Numérica
description Orientador: Prof. Dr. Gustavo Valentim Loch
publishDate 2023
dc.date.issued.fl_str_mv 2023
dc.date.accessioned.fl_str_mv 2024-01-31T22:01:18Z
dc.date.available.fl_str_mv 2024-01-31T22:01:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/86322
url https://hdl.handle.net/1884/86322
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/86322/1/R%20-%20D%20-%20THAYSE%20DUARTE%20DE%20OLIVEIRA.pdf
bitstream.checksum.fl_str_mv 1dfa1ffc2030eb664bbbe8d793d1dc05
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526183345848320

Registros relacionados