Please use this identifier to cite or link to this item:
http://repositorio.ufla.br/jspui/handle/1/5223| metadata.teses.dc.title: | Um estudo comparativo de métodos para balanceamento do conjunto de treinamento em aprendizado de redes neurais artificiais |
| metadata.teses.dc.creator: | Schiavoni, André Spinelli |
| metadata.teses.dc.contributor.advisor1: | Castro, Cristiano de Leite |
| metadata.teses.dc.contributor.referee1: | Silva, Ricardo Martins de Abreu Lacerda, Wilian Soares |
| metadata.teses.dc.subject: | Classes desbalanceadas Redes neurais artificiais Análise ROC Smote BED ADASYN Tomek link Unbalanced class Neural networks ROC analysis ENN |
| metadata.teses.dc.date.issued: | 17-Mar-2015 |
| metadata.teses.dc.identifier.citation: | SCHIAVONI, A. S. Um estudo comparativo de métodos para balanceamento do conjunto de treinamento em aprendizado de redes neurais artificiais. 2010. 69 p. Monografia (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2010. |
| metadata.teses.dc.description.resumo: | Estudos na área de aprendizado supervisionado têm mostrado que classificadores induzidos a partir de bases de dados desbalanceadas não têm apresentado um bom desempenho. Uma possível solução para este problema é balancear o conjunto de treinamento. Este trabalho propõe um estudo, implementação e comparação de métodos para o balanceamento artificial do conjunto de treinamento para aprendizado supervisionado de Redes Neurais Artificiais. Para a realização deste estudo foram selecionados cinco métodos: Smote, Smote + ENN, Smote + Tomek Link, BED e ADASYN. Ao final foi feita uma análise dos resultados através de métricas extraídas da Análise ROC. |
| metadata.teses.dc.description.abstract: | Studies in supervised learning have shown that classifiers induced from imbalanced data sets have presented a reduced performance. A intuitive solution for this problem is to balance the training set. This work presents a study of resampling methods for balancing training sets of neural networks. Particularly, five methods were selected and tested: Smote, Smote + ENN, Smote + Tomek Link, BED and ADASYN. The results obtained were analyzed using metrics from ROC analysis. |
| metadata.teses.dc.identifier.uri: | http://repositorio.ufla.br/jspui/handle/1/5223 |
| metadata.teses.dc.language: | pt_BR |
| Appears in Collections: | PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MONOGRAFIA_Um_estudo_comparativo_de_metodos_para_balanceamento_do_cnjunto_de_treinamento_em_aprendizado_de_redes_neurais_artificiais.pdf | 1,66 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.