Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37317| Título: | Avaliação do uso da biclusterização na seleção de características em classificadores monorótulo |
| Título(s) alternativo(s): | Evaluation of biclustering for feature selection in single-label classifiers |
| Autor(es): | Sousa, Tiago Comeron de |
| Orientador(es): | Schmitke, Luiz Rafael |
| Palavras-chave: | Mineração de dados (Computação) Análise dimensional Classificação Big data Cluster (Sistema de computador) Data mining Dimensional analysis Classification |
| Data do documento: | 17-Dez-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | SOUSA, Tiago Comeron de. Avaliação do uso da biclusterização na seleção de características em classificadores monorótulo. 2024. Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, 2024. |
| Resumo: | A mineração de dados é uma técnica utilizada para explorar grandes volumes de dados em busca de padrões e relações entre variáveis. Este estudo foca na eficácia dos algoritmos de biclusterização na seleção de atributos, uma etapa crucial no processo de mineração de dados. A biclusterização se distingue da clusterização tradicional por agrupar dados simultaneamente em linhas e colunas, identificando padrões complexos em matrizes de dados bidimensionais. O trabalho avalia a aplicabilidade da biclusterização em diferentes bases de dados, comparando seus resultados com técnicas convencionais como o J48 e o Support Vector Machine (SVM). Os resultados demonstram que, apesar de uma redução significativa no número de atributos, a biclusterização mantém uma capacidade preditiva, destacando-se como uma técnica promissora na seleção de atributos e redução de dimensionalidade. |
| Abstract: | Data mining is a widely used technique for exploring large datasets in search of patterns and relationships between variables. This study focuses on the effectiveness of biclustering algorithms in attribute selection, a crucial step in the data mining process. Biclustering differs from traditional clustering by grouping data simultaneously across both rows and columns, uncovering more complex patterns in two-dimensional data matrices. The study evaluates the applicability of the Biclustering method on different datasets, comparing its results with conventional techniques such as J48 and Support Vector Machine (SVM). The results show that despite a significant reduction in the number of attributes, biclustering maintains strong predictive power, emerging as a promising technique for attribute selection and dimensionality reduction. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37317 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| biclusterizacaoselecaocaracteristicasmonorrotulo.pdf | 508,27 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
