Aulas

CLASSIFICAÇÃO
1

Daricélio Moreira Soares

Classificação
Classificação: identificação da classe a qual um elemento pertence a partir de suas características.

O conjunto de possíveis classes é discreto e predefinido.
Exemplo: a partir das características de um candidato

a um empréstimo bancário, prever se este candidato será um bom ou mau pagador.

2

Mineração de um Modelo de Classificação
Atributos Independentes ID 1 2 3 4 5 6 7 8 9 Salário 3.000 4.000 7.000 6.000 7.000 6.000 6.000 7.000 4.000 Idade 30 35 50 45 30 35 35 30 45 Tipo Emprego Autônomo Indústria Pesquisa Autônomo Pesquisa Indústria Autônomo Autônomo Indústria Classe B B C C B B A A B Atributo Dependente

Árvore de Decisão ou Árvore de Classificação
Salário  5.000  5.000 Idade  40 T.Empr.  40

B

C
Autônomo

A partir de uma base de treinamento, extrai-se o modelo de classificação (árvore de decisão, p.e.).

Ind.,Pesq.

B

A
3

Mineração, Avaliação e Utilização do Modelo

4

Árvores de Decisão
 A sua representação é intuitiva e torna o modelo de classificação resultante fácil de se utilizar e de ser entendido.
 A precisão de suas previsões, em geral, possui taxas de acertos competitivas em relação a de outros modelos.  Algoritmos rápidos e escaláveis podem ser implementados para a construção de árvores de decisão, considerando-se grandes bases de treinamento.  Outras técnicas: métodos Bayesianos, k-vizinhos mais próximos, classificação associativa, entre outros.
5

Árvores de Decisão
Salário  5.000

Nós internos: atributos
 5.000

B

Idade
 40 T.Empr.  40

Arestas: predicados

C
Autônomo

Ind.,Pesq.

B

A

Folhas: valores de classes

Nó interno + Aresta = condição
6

Regras de Classificação
Forma Geral:

(var1 satisfaz cond1) and (var2 satisfaz cond2) and ...
... and (varn satisfaz condn)  objeto pertence à classe Cj Exemplo: (Salário  5000)  (Idade  40)  Classe = C
7

Árvores de Decisão  Regras de