Generalizações da Integral de Choquet como Método de Combinação em Comitês de Classificadores
Comitês de Classificadores; Integral de Choquet; Funções de Pré-Agregação; Funções Overlap; Funções de Quasi-Overlap; Índices de Validação
Comitês de classificadores é uma abordagem dentro da aprendizagem de máquina que consiste em uma coleção de classificadores que processam uma mesma informação e a saída destes é combinada de alguma maneira. O processo de classificação geralmente se dá em duas etapas: a etapa de classificação e a etapa de combinação. Na etapa de classificação, cada classificador processa a informação e fornece sua opinião sobre a classe à qual o elemento pertence. Na etapa de combinação, a opinião de todos os classificadores são combinadas, fornecendo uma única saída. Apesar da etapa de combinação ser de grande importância, muitos dos trabalho encontrados na literatura focam principalmente na etapa de classificação. Desta forma neste trabalho serão propostas generalizações da Integral de Choquet para uso como método de combinação em comitês de classificadores. A ideia principal é permitir uma maior liberdade de escolha de funções para compor a integral, abrindo possibilidades de otimização e utilização de funções adequadas aos dados. Além disso, será proposta uma nova classe de funções de agregação que será utilizada em conjunto com este método. Resultados preliminares obtidos com esse modelo mostram que ele foi capaz de obter bons resultados, tendo tido desempenho superior a métodos conhecidos da literatura como o AdaBoost e o Bagging. Além disso, as integrais que envolveram as novas funções de agregação propostas tiveram um bom desempenho.