O método de metaclassificação pelo algoritmo AdaBoost na Shell Orion Data Mining Engine

Abstract

Técnicas tradicionais têm sido inviáveis no processamento do volume crescente de dados e o data mining surge como solução ao automatizar e utilizar de algoritmos avançados para analisar estes dados. O data mining consiste na extração de padrões em uma base de dados. A classificação, uma das tarefas de data mining resume-se na atribuição de um novo objeto a uma classe pré-definida. Quanto mais instâncias forem classificados corretamente, mais preciso tende a ser o classificador. Dentre os algoritmos de classificação têm-se o algoritmo metaclassificador Adaboost, considerado por diferentes autores como o mais influente dentre os metaclassificadores e é capaz de induzir algoritmos de classificação usados como base a tomarem atenção em instâncias de treinamento mais difíceis de serem classificadas e com isso melhorar o resultado da classificação geral do conjunto. Algoritmos como o Adaboost são normalmente implementados em ferramentas de data mining. Uma delas é a Shell Orion Data Mining Engine, desenvolvida pelo Grupo de Pesquisa em Inteligência Computacional do curso de Ciência da Computação da Universidade do Extremo Sul Catarinense. O propósito desta pesquisa é disponibilizar o algoritmo metaclassificador Adaboost na ferramenta Shell Orion Data Mining Engine e verificar se ele traz resultados satisfatórios. Para isso, foram aplicadas duas bases de dados, uma binária e outra com múltiplas classes e implementadas medidas de qualidade para avaliar a qualidade dos classificadores gerados. Os resultados para a base de dados binária selecionada mostraram que o Adaboost obteve uma acurácia de 98,5507% e para a base de dados com múltiplas classes obteve acurácia de 93,3447% na Shell Orion Data Mining Engine.