Espaço de dissimilaridade simbólicos usando distâncias intervalares para classificação e regressão

Abstract

Apresenta como objetivo a aplicação de algoritmos clássicos de aprendizagem de máquina na transformação de dados simbólicos em dados clássicos, na busca de alcançar resultados tão bons quanto utilizando dados clássicos. Tendo em vista que, o estudo de dados simbólicos originou a área de análise de dados simbólicos, que está diretamente ligada a uma abordagem na área de descoberta automática de máquinas para os dados clássicos. Para tanto, utilizar-se-á da matriz de dissimilaridade já que vem sendo amplamente explorada na literatura de aprendizagem de máquina, por obter bons resultados em variadas tarefas. Esta pesquisa apresenta-se sob a forma de dissertação e está dividida em seções, sendo a primeira apresentando os aspectos da introdução; a segunda a revisão de literatura; a terceira denota acerca dos procedimentos metodológicos, a quarta apresenta os resultados que foram compreendidos, a quinta e última demonstra as conclusões e considerações finais, além de prospectar projetos futuros, a partir desta pesquisa. Com base nos resultados, foi possível identificar a construção de espaços de dissimilaridade usando distâncias do tipo intervalar, transformando os dados em um novo ambiente permitindo assim, o treinamento de modelos de aprendizagem de máquina clássicos.