CLASSIFICAÇÃO MULTIRRÓTULO COM APRENDIZADO SEMISSUPERVISIONADO: UMA ANÁLISE MULTIVISÃO DE DADOS
Aprendizado de máquina, classificação multirrótulo, comitê de classificadores
Ao longo dos últimos anos as técnicas computacionais aplicadas ao aprendizado de máquina têm sido divididas ou categorizadas quanto ao grau de supervisão presente nos conjuntos de treinamentos e quanto ao número de rótulos presente no atributo classe. Dentro dessas divisões encontramos o aprendizado semissupervisionado, técnica que trabalha muito bem quando nem todos os rótulos dos exemplos do conjunto de treinamento são conhecidos. Já a classificação multirrótulo, também presente nessas categorias, propõe classificar exemplos quando estes estão associados a um ou mais rótulos. Ainda nesse contexto, existem vertentes que trabalham com o aprendizado semissupervisionado para dados de visão única e aprendizado semissupervisionado para dados de visão múltipla. Os algoritmos de aprendizado semissupervisionado para dados de visão múltipla tem como ideia básica a exploração da discordância entre as predições dos diferentes classificadores, sendo este um assunto pouco abordado em pesquisas. Esse trabalho propõe a utilização de aprendizado semissupervisionado para classificação multirrótulo em uma abordagem com multivisão de dados, explicando a metodologia a ser aplicada para avaliar e comparar a eficácia de métodos que utilizam essa abordagem.