"Pré-processamento de dados em aprendizado de máquina supervisionado"

Abstract

Data quality is a major concern in Machine Learning, which is frequently used to extract knowledge during the Data Mining phase of the relatively new research area called Knowledge Discovery from Databases-KDD. As most Machine Learning algorithms induce knowledge strictly from data, the quality of the knowledge extracted is largely determined by the quality of the underlying data. Agradecimentos Ainda me lembro do dia que conheci a professora Carolina. Parece até mesmo que não faz muito tempo. Eu ainda estava cursando o segundo grau e estava passeando de férias pela USP. Um dos meus primos, José Pacheco, que sempre me incentivou a ingressar na carreira acadêmica e que naépoca era aluno de mestrado da profa. Carolina, disseme que iria me apresentarà sua orientadora. Chegandoà sala da profa. Carolina, ele me apresentou. Ela me cumprimentou, foi extremamente gentil, como sempre, e os dois começaram a tratar dos assuntos da dissertação de mestrado dele. Naquelaépoca, eu jamais poderia imaginar o quanto aquela senhora, de sotaque espanhol carregado, poderia representar na minha vida. Nosúltimos oito anos ela não foi somente a minha orientadora de mestrado e doutorado, mas também a minha orientadora na vida. Ela me ensinou grande parte do que eu sei sobre Aprendizado de Máquina. Inúmeras foram as nossas discussões sobre o tema, e inúmeras vezes eu ouvi um doce "nãoé bem assim, filhinho" quando eu estava errado. Mas a profa. Carolina também me ensinou outras coisas tão valiosas quanto o conhecimento acadêmico. Uma delas, eu pretendo carregar comigo para sempre: a posturaética no trabalho e na vida. Carolina esteve comigo nos bons momentos, como nas festas de aniversário do Labic. Nos momentos chatos do trabalho quando nos reuníamosà noite e aos finais de semana para escrever artigos, e nos momentos difíceis, como no falecimento de minha avó. Minha avó, Margarida, da qual nunca posso esquecer, sempre acolhedora, ensinoume muito nos anos em que morei com ela na graduação. Importante, também, foi o apoio que sempre recebi da minha família. Agradeço aos meus pais por sempre terem me apoiado a estudar.À minha mãe por sempre me apoiar nas decisões que tomei em minha carreira. E, em especial, ao meu pai por freqüentemente me dizer que fazer uma pós-graduação era o caminho certo. Agradeço, também,à Claudia, minha namorada e ao mesmo tempo minha colega de doutorado. Esses anos de doutorado teriam sido muito mais difíceis se você não estivesse comigo todos os dias. Obrigado por me apoiar sempre, seja qual for a coisa que eu resolva fazer. Durante esses anos, dois amigos me ajudaram muito com o meu trabalho. Primeiro, José Augusto pelas diversas conversas sobre Mineração de Dados, KDD e a criação do ix projeto Discover. Eu tenho utilizado como referência de qualidade muitos trabalhos desenvolvidos por você. E o Ronaldo, um pesquisador com uma capacidade incrível, com quem tenho desenvolvido muitas das idéias que têm dado vida ao Discover. Agradeço, também aos amigos Daniel, Kaminski, Valmir e Rodrigo pelos momentos de bagunça nas ...

"O framework de integração do sistema DISCOVER"

“…Algumas outras pesquisas realizadas e em curso em nosso laboratório também resultaram em diversos trabalhos e idéias sobre novas ferramentas para o DISCOVER, processamento de dados (Batista and Monard, 2003a;Batista et al, 2000;Batista and Monard, 2001;Batista, 2003) e texto (Martins, 2001;Imamura, 2001), Aprendizado de Máquina (Monard and Batista, 2002;Pila andMonard, 2002, 2001;Pila, 2001;Bernardini, 2002;Gomes, 2002) e processamento de padrões (Batista, 1997;Baranauskas and Monard, 2003;Lee, 2000;Milaré et al, 2003;Martins et al, 2002;Baranauskas and Monard, 2000b,a;Baranauskas, 2001;Milaré, 2000;Paula, 2003;Melanda, 2002;Pugliesi, 2001). …”

Um data warehouse de publicações científicas: indexação automática da dimensão tópicos de pesquisa dos data marts

“…Na maioria das vezes os dados apresentam-se de forma inadequada para a utilização dos algoritmos de extração de padrões (Batista, 2000). Como muitos algoritmos requerem muitos recursos de memória e processamento, em alguns casos torna-se necessário selecionar apenas uma amostra representativa dos dados de uma base.…”

Extração de informação de artigos científicos: uma abordagem baseada em indução de regras de etiquetagem

“…Algumas transformações que podem ser aplicadas são: normalização, transformação de tipo, discretização de atributos quantitativos e conversão de atributos qualitativos em quantitativos (Batista, 2003).…”