ANÁLISE DE DADOS PARA APRENDIZADO DE MÁQUINA: UM ESTUDO SOBRE ALGORITMOS DE DETECÇÃO DE MUDANÇA DE CONCEITO

Resumo

Este trabalho tem por objetivo construir uma ferramenta geradora de dados (na forma de cenários) de Mudança de Conceito em ambiente controlado para a realização de análises de desempenho por meio de de algoritmos de Detecção de Mudança de Conceito. Uma das maiores dificuldades, quando se trata de Mudança de Conceito, é saber diferenciar ruído de mudança e qual o melhor algoritmo de Detecção de Mudança de Conceito para determinado cenário de Mudança e, para esse intento, que a ferramenta proposta se aplica. Foram criados quatro cenários de Mudança de Conceito: Gradual, Incremental, Abrupto e Recorrente. Em seguida, para cada um dos cenários, foram aplicados três algoritmos de Detecção de Mudança de Conceito: ADWIN, DDM e Page-Hinkley. Após aplicação, foi feita uma análise do desempenho de cada um dos algoritmos para cada cenário criado pelo gerador de cenários para definir o melhor algoritmo para cada cenário estudado. Ao final, foi percebido que a ferramenta geradora de cenários de Mudança de Conceito desenvolvida fornece ao usuário um ambiente controlado para execução e testes de novos algoritmos de Detecção de Mudança de Conceito. Nos cenários criados pela ferramenta, o algoritmo Page-Hinkley obteve melhores resultados nas Mudanças de Conceito Gradual e Incremental, o DMM se mostrou o melhor na Mudança de Conceito Abrupta e o ADWIN na Mudança de Conceito Recorrente.