Metaaprendizagem para seleção dos melhores algoritmos de descoberta causal [Portuguese]

By William Senfuma

A sele o do melhor algoritmo de descoberta causal para qualquer novo conjunto de dados um processo dif cil e demorado, pois exige que o investigador tenha conhecimento pr vio sobre os algoritmos padr o de aprendizagem de estruturas existentes. Esta investiga o prop s uma nova abordagem de metaaprendizagem para este problema. Metaaprendizagem refere-se aprendizagem sobre algoritmos de aprendizagem, em que diferentes tipos de metadados, tais como propriedades do problema de aprendizagem, medidas de desempenho de diferentes algoritmos e padr es anteriores derivados dos dados, s o utilizados para selecionar o melhor ou uma combina o de algoritmos de aprendizagem para resolver eficazmente um determinado problema de aprendizagem. V rias redes bayesianas na literatura foram manipuladas, amostradas para gerar milhares de conjuntos de dados e caracter sticas espec ficas foram extra das de cada uma delas para metaaprendizagem. Tr s algoritmos de aprendizagem de estrutura padr o foram executados em cada um dos conjuntos de dados gerados para descobrir redes causais subjacentes e seu desempenho foi avaliado. Com as nossas novas t cnicas, fomos capazes de implementar uma ferramenta para gerar muitos modelos causais, amostrar muitos conjuntos de dados de cada modelo e, posteriormente, determinar os melhores algoritmos ou uma combina o deles para novos conjuntos de dados por meio da metaaprendizagem.

• Format: Paperback
• Language: Portuguese
• ISBN: 6207825918
• ISBN13: 9786207825912
• Release Date: May 2025
• Publisher: Edicoes Nosso Conhecimento
• Length: 60 Pages
• Weight: 0.21 lbs.
• Dimensions: 0.1" x 6.0" x 9.0"