Mineração de dados usando algoritmos genéticos

Abstract

Resumo: Este trabalho implementa uma ferramenta para Mineração de Dados. A ferramenta consiste em um classificador que utiliza Algoritmos Genéticos para a indução de regras. Este paradigma foi escolhido devido à grande capacidade dos algoritmos genéticos em lidar com dados inválidos ou imprecisos e a facilidade de adaptá-lo a diferentes aplicações, seja pela configuração de parâmetros ou pela implementação ou modificação de operadores. O algoritmo genético usa a abordagem de Michigan. Nesta abordagem, o algoritmo busca por uma população inteira de regras, que são posteriormente filtradas e organizadas para formar o classificador. A implementação atual consegue tratar conjuntos de dados com atributos contínuos ou discretos, independente do domínio. Diferentes aspectos desta ferramenta são discutidos ao longo deste trabalho. Entre eles destacam-se o uso de compartilhamento de recursos no espaço fenotípico com baixo custo computacional, a separação por classes durante a busca de regras, e o uso de um teste de significância na montagem do classificador. A ferramenta permite a configuração de diversos parâmetros, que podem inclusive ser modificados durante a execução. A busca de regras pode ser parada em qualquer estágio, sendo também possível dedicar mais processamento a classes mais difíceis de classificar de acordo com o desejo do usuário. A eficiência da ferramenta é comparada com 33 outros algoritmos classificadores em 32 bases de teste, usando os mesmos dados e metodologia. A precisão na classificação, medida pelo percentual de erro, não é significativamente diferente (ao nível de 10%) da precisão do melhor dos outros 33 classificadores. Os resultados obtidos até agora mostram que a ferramenta é robusta e genérica, e está pronta para uso em aplicações reais de mineração de dados. Futuras implementações pretendem adicionar novos operadores e características a fim de tornar os resultados ainda melhores.