Seleção de instâncias para construção de classificadores de margem larga: Uma abordagem baseada em estimativas de densidade Kernel

Vol 57, 2025 - 340686
Trabalho completo (Oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Este trabalho propõe uma metodologia de seleção de instâncias para reduzir o custo com-
putacional da construção do Grafo de Gabriel em problemas de classificação. A abordagem utiliza
estimação de densidade por kernel para identificar amostras em regiões de maior incerteza entre
classes, onde tendem a concentrar-se os vértices de suporte estruturais. O grafo é então construído
apenas sobre esse subconjunto reduzido, preservando a informação mais relevante para a definição
do separador. A metodologia foi avaliada em bases sintéticas e reais por meio da recuperação das
arestas de suporte e da concordância funcional entre os separadores completo e reduzido. Os resul-
tados mostram preservação do comportamento do classificador em diversos cenários, com redução
substancial do custo de construção do grafo.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal de Minas Gerais
  • 2 UFMG - Universidade Federal de Minas Gerais
Eixo Temático
  • AS&DS – Análise e Ciência de Dados
Palavras-chave
Grafo de Gabriel
Seleção de instâncias
Estimação de densidade por kernel