Um estudo comparativo de métodos para balanceamento do conjunto de treinamento em aprendizado de redes neurais artificiais

Schiavoni, André Spinelli

Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/5223

Registro completo de metadados

Campo DC	Valor	Idioma
dc.creator	Schiavoni, André Spinelli	-
dc.date.accessioned	2015-03-17T14:08:43Z	-
dc.date.available	2015-03-17T14:08:43Z	-
dc.date.issued	2015-03-17	-
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.	pt_BR
dc.identifier.uri	http://repositorio.ufla.br/jspui/handle/1/5223	-
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.	pt_BR
dc.language	pt_BR	pt_BR
dc.rights	acesso aberto	pt_BR
dc.subject	Classes desbalanceadas	pt_BR
dc.subject	Redes neurais artificiais	pt_BR
dc.subject	Análise ROC	pt_BR
dc.subject	Smote	pt_BR
dc.subject	BED	pt_BR
dc.subject	ADASYN	pt_BR
dc.subject	Tomek link	pt_BR
dc.subject	Unbalanced class	pt_BR
dc.subject	Neural networks	pt_BR
dc.subject	ROC analysis	pt_BR
dc.subject	ENN	pt_BR
dc.title	Um estudo comparativo de métodos para balanceamento do conjunto de treinamento em aprendizado de redes neurais artificiais	pt_BR
dc.type	TCC	pt_BR
dc.contributor.advisor1	Castro, Cristiano de Leite	-
dc.contributor.referee1	Silva, Ricardo Martins de Abreu	-
dc.contributor.referee1	Lacerda, Wilian Soares	-
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.	pt_BR
Aparece nas coleções:	PROGRAD - Ciência da Computação (Trabalhos de Conclusão de Curso)

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
MONOGRAFIA_Um_estudo_comparativo_de_metodos_para_balanceamento_do_cnjunto_de_treinamento_em_aprendizado_de_redes_neurais_artificiais.pdf		1,66 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Recomendar este item Visualizar estatísticas