Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/14059
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorXexéo, Geraldo Bonorino-
dc.contributor.authorLeite, Gabriel Matos Cardoso-
dc.date.accessioned2021-04-05T02:36:29Z-
dc.date.available2023-12-21T03:07:33Z-
dc.date.issued2019-08-
dc.identifier.urihttp://hdl.handle.net/11422/14059-
dc.description.abstractPattern classification on categorical and mixed data is a challenge to be surpassed. The increase in the amount of data being generated demands classifiers able to deal with different types of data. This work proposes algorithms for supervised classification on categorical and mixed data. Such algorithms are elaborated from integration between classifiers and ways of coding categorical features into continuous features. Mixed data is a set of observations with categorical features along with continuous features. Treating observations with categorical features properly allows the use of a huge number of databases containing categorical features. The approach proposed in order to handle categorical features and permit classification methods to be applied on such data, is a result of integration in pairs between the encodings Target Encoding (TE), One-hot, Naive and classifiers Neighbourhood Componente Analysis (NCA), Support Vector Machine (SVM), k-Nearest Neighbors (kNN). The behavior of the encodings chosen, and the performance of the presented algorithms are analyzed on synthetic databases and real databases, respectively. In order to evaluate the performance of the presented algorithms, an analysis was made on all results obtained. This analysis was made using crossvalidation techniques, k-fold and a test set with unseen observations. Moreover, inferential statistics techniques were used to identify evidences of differences among integrated algorithm’s accuracies on each dataset. The experimental planning proposed indicated that the integration built by NCA classifier and TE encoding (NCA+TE) turned up to be more competitive when compared to the other algorithms.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectClassificação supervisionadapt_BR
dc.subjectNeighbourhood component analysispt_BR
dc.subjectDados categóricospt_BR
dc.titleAlgoritmos integrados para classificação de dados com atributos categóricospt_BR
dc.title.alternativeIntegrated classification algorithms for data with categorical featurespt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/4783565791787812pt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/2163324531634254pt_BR
dc.contributor.advisorCo1Pedreira, Carlos Eduardo-
dc.contributor.advisorCo1Latteshttp://lattes.cnpq.br/2718664296804955pt_BR
dc.contributor.advisorCo2Marcelino, Carolina Gil-
dc.contributor.advisorCo2Latteshttp://lattes.cnpq.br/3289676418940953pt_BR
dc.contributor.referee1França, Felipe Maia Galvão-
dc.contributor.referee2Wanner, Elizabeth Fialho-
dc.description.resumoA classificação de padrões em dados categóricos e mistos apresenta um grande desafio a ser alcançado. O aumento na quantidade de dados gerados por diversas fontes requer classificadores que sejam capazes de lidar com diferentes tipos de dados. Este trabalho propõe a partir da integração de classificadores e formas de codificar atributos, uma nova abordagem para classificar dados. Por dados mistos entende-se conjunto de dados cujas observações são compostas por atributos contínuos e categóricos. O tratamento adequado de observações com atributos categóricos viabiliza, em classificações de padrões, a utilização de uma grande quantidade de bases. A abordagem proposta para tratar atributos categóricos e assim, viabilizar a aplicação de métodos de classificação de padrões, é resultante da integração em pares entre as codificações Target Encoding (TE), One-hot, Naive e os classificadores Neighbourhood Componente Analysis (NCA), Support Vector Machine (SVM), k-Nearest Neighbors (kNN). Analisa-se o comportamento das codificações em bases de dados sintéticas e o desempenho dos algoritmos em bases de dados reais. A metodologia aplicada utilizou técnicas de validação cruzada, k-fold e um conjunto de teste com observações não vistas durante o treinamento. Técnicas de inferência estatística foram utilizadas a fim de identificar indícios de diferença entre os resultados da acurácia obtida pelos algoritmos integrados em cada conjunto de dados. O planejamento experimental realizado indicou que a integração formada pelo classificador NCA e a codificação TE (NCA+TE) se mostrou mais competitiva entre os demais.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Sistemas e Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Engenharia de Sistemas e Computação

Files in This Item:
File Description SizeFormat 
GabrielMatosCardosoLeite.pdf1.02 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.