Rule induction using rough sets reducts as filter for selecting features: an empirical comparison with other filters.
| dc.contributor | SĂŁo Carlos - ICMC-USP | pt_BR |
| dc.contributor.author | Pila, Adriano Donizete | |
| dc.contributor.author | Monard, Maria Carolina | |
| dc.date.accessioned | 2019-05-30T17:59:30Z | |
| dc.date.available | 2019-05-30T17:59:30Z | |
| dc.date.issued | 2001-04 | |
| dc.description.abstract | The Feature Subset Selection is an important problem within the Machine Learning area where the learning algorithm is faced with the. problem of selecting relevant features while ignoring the rest. Another important problem within this area is the complexity of the knowledge acquired (hypotheses) though rules induction. Rough Sets Theory is a mathematical tool to deal with vagueness and uncertainty information, One of the main features of this approach are the reducts, which is a minimal feature set that preserves the ability to discern each object from the others. This work presents in detail several experiments, results and comparisons using Rough Sets Reducts and other Filters for feature subset selection and rule induction. The purpose of this work is to investigate the reduction of the complexity of the rules induced in terms of the Feature Subset Selection problem, considering as measure of rules complexity the number of rules induced. All the experiments where run on natural datasets, most of them obtained from the UCI Irvine Repository. | pt_BR |
| dc.description.notes | RelatĂłrios TĂ©cnicos do ICMC; 141 | pt_BR |
| dc.format | 23 p. | pt_BR |
| dc.identifier.uri | http://repositorio.icmc.usp.br//handle/RIICMC/6909 | |
| dc.language.iso | eng | pt_BR |
| dc.publisher.city | SĂŁo Carlos, SP, Brasil. | pt_BR |
| dc.subject | InteligĂȘncia artificial | pt_BR |
| dc.title | Rule induction using rough sets reducts as filter for selecting features: an empirical comparison with other filters. | pt_BR |
| dc.title.alternative | A indução de regras usando conjuntos brutos reduz como filtro para seleção de caracterĂsticas: uma comparação empĂrica com outros filtros. | pt_BR |
| dc.type.category | Relatórios técnicos | pt_BR |
| usp.description.abstracttranslated | A Seleção de Subconjunto de Recursos Ă© um problema importante dentro da ĂĄrea de Aprendizado de MĂĄquina onde o algoritmo de aprendizado Ă© confrontado com o problema de selecionar recursos relevantes enquanto ignora o resto. Outro problema importante dentro dessa ĂĄrea Ă© a complexidade do conhecimento adquirido (hipĂłteses) atravĂ©s da indução de regras. A teoria dos conjuntos aproximados Ă© uma ferramenta matemĂĄtica para lidar com informaçÔes imprecisas e de incerteza. Uma das principais caracterĂsticas dessa abordagem sĂŁo os redutos, que Ă© um conjunto mĂnimo de recursos que preserva a capacidade de discernir cada objeto dos outros. Este trabalho apresenta em detalhes vĂĄrios experimentos, resultados e comparaçÔes usando ReduçÔes de Conjuntos Ăsperos e outros Filtros para seleção de subconjuntos de recursos e indução de regras. O objetivo deste trabalho Ă© investigar a redução da complexidade das regras induzidas em termos do problema de Seleção de Subconjuntos de CaracterĂsticas, considerando como medida de complexidade de regras o nĂșmero de regras induzidas. Todos experimentos em que sĂŁo executados em conjuntos de dados naturais, a maioria deles obtida da UCI RepositĂłrio Irvine. | pt_BR |