Decomposição da densidade estimada de variáveis multimodais utilizando uma função distância: uma nova metodologia para aperfeiçoar a classificação de variáveis binárias

Vol 51, 2019 - 107887
Trabalho completo (oral)
Favorite this paper
How to cite this paper?
Abstract

Métodos de classificação estão sendo cada vez mais utilizados nas mais diversas áreas, como por exemplo na área de saúde como auxílio a diagnóstico de imagens médicas e na área de vendas como a identificação de padrão de consumo para a oferta de produtos de acordo com o mesmo. A escolha de um método de classificação não é muito fácil devido ao fato de que muitos são equivalentes em performance. Neste trabalho propomos uma metodologia de decomposição da densidade estimada que pode ser aplicada a qualquer método de classificação da literatura com o objetivo de melhorar a performance de classificação dos mesmos. Os testes foram conduzidos utilizando a distância Euclideana como métrica e foram comparadas as performances dos métodos de árvore de decisão, regressão logística, knn e redes neurais . Os resultados foram bons, aumentando a precisão e/ou elevando o valor do AUC em vários casos.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 Departamento de Estatística / Universidade Federal da Paraíba
  • 2 Departamento de Estatística/ Universidade Federal da Paraíba
Track
  • IC – Inteligência Computacional
Keywords
Métodos de classificação
Decomposição
Variáveis Binárias