Aprendizado ativo para classificadores de fluxo de dados baseados em agrupamento
Active learning for clustering-based data stream classifiers
| dc.contributor | Cerri, Ricardo | |
| dc.contributor | http://lattes.cnpq.br/6266519868438512 | |
| dc.contributor | Paiva, Elaine Ribeiro de Faria | |
| dc.contributor | http://lattes.cnpq.br/8238524390290386 | |
| dc.contributor | Prati, Ronaldo Cristiano | |
| dc.contributor | http://lattes.cnpq.br/7851650523179414 | |
| dc.contributor | Pereira, Fabíola Souza Fernandes | |
| dc.contributor | http://lattes.cnpq.br/2320001731969968 | |
| dc.creator | Cavalcanti, Douglas Monteiro | |
| dc.date | 2022-02-03T13:05:03Z | |
| dc.date | 2022-02-03T13:05:03Z | |
| dc.date | 2021-11-25 | |
| dc.date.accessioned | 2023-09-28T20:24:15Z | |
| dc.date.available | 2023-09-28T20:24:15Z | |
| dc.identifier | CAVALCANTI, Douglas Monteiro. Aprendizado ativo para classificadores de fluxo de dados Baseados em agrupamento. 2021. 78 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2021.673 | |
| dc.identifier | https://repositorio.ufu.br/handle/123456789/34035 | |
| dc.identifier | http://doi.org/10.14393/ufu.di.2021.673 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/9050093 | |
| dc.description | The update process of clustering-based data stream classifiers generates clusters from partially or fully unlabeled data instances. Each cluster is then categorized as the extension of a known class or as the emergence of a new one, summarized, and finally added to the classification model. Considering the cost of label acquisition, when compared to exclusively supervised approaches, clustering-based strategies present the advantage of allowing the use of unlabeled data to update the classification model. However, the gain of information about the data classes’ distribution through unlabeled data is subject to assumptions of how the distribution of the features interacts with the distribution of the data classes. Because of that, the updated process of clustering-based data stream classifiers is prone to fail as this interaction changes unexpectedly due to the stream’s non-stationary characteristic, leading to class inference errors and consequently the miscategorization of clusters, compromising the consistency of the classification model. Considering this problem, in this work, we propose an active learning strategy that selects for the clusters for which the categorization is more uncertain and then, for each chosen cluster, queries for the label of the instances more informative in the context of the inner cluster distribution. By dividing the active learning query responsibility among two query strategies, one for the cluster-level and the other for the instance-level, the strategy guarantees an efficient and effective use of label resources by acquiring labels only for the clusters more likely to need it. To test the proposed active learning strategy, we applied it to two clustering-based data stream classifiers from the literature: MINAS and ECHO. In the results, the active learning strategy recovered a significant number of cluster miscategorizations at the cost of a few additional label acquisitions. | |
| dc.description | Pesquisa sem auxílio de agências de fomento | |
| dc.description | Dissertação (Mestrado) | |
| dc.description | O processo de atualização de classificadores de fluxo de dados baseados em agrupamento gera grupos a partir de instâncias de dados parcial ou totalmente não rotuladas. Cada grupo é então categorizado como a extensão de uma classe conhecida ou como o surgimento de uma nova, resumido e finalmente adicionado ao modelo de classificação. Considerando o custo de aquisição do rótulo, quando comparadas a abordagens exclusivamente supervisionadas, as estratégias baseadas em agrupamento apresentam a vantagem de permitir o uso de dados não rotulados para atualização do modelo de classificação. No entanto, o ganho de informações sobre a distribuição das classes de dados por meio de dados não rotulados está sujeito a suposições de como a distribuição dos atributos interage com a distribuição das classes de dados. Por causa disso, o processo de atualização de classificadores de fluxo de dados baseados em agrupamento está sujeito a falhar à medida que essa interação muda inesperadamente devido a característica não-estacionária do fluxo, levando a erros de inferência de classe e, consequentemente, à categorização incorreta de grupos, comprometendo a consistência do modelo de classificação. Considerando este problema, neste trabalho, propomos uma estratégia de aprendizagem ativa que seleciona os grupos para os quais a categorização é mais incerta e então, para cada grupo escolhido, consulta pelo rótulo das instâncias mais informativas no contexto da distribuição interna do grupo. Ao dividir a responsabilidade da consulta de aprendizagem ativa entre duas estratégias de consulta, uma para o nível dos grupos e outra para o nível das instâncias, a estratégia garante um uso eficiente e eficaz dos recursos de rótulo, adquirindo rótulos apenas para grupos com maior probabilidade de precisar deles. Para testar a estratégia de aprendizagem ativa proposta, ela foi aplicada a dois classificadores de fluxo de dados baseados em clustering da literatura: MINAS e ECHO. Nos resultados, a estratégia de aprendizagem ativa recuperou um número significativo de categorizações incorretas de cluster ao custo de poucas aquisições adicionais de rótulo. | |
| dc.format | application/pdf | |
| dc.language | eng | |
| dc.publisher | Universidade Federal de Uberlândia | |
| dc.publisher | Brasil | |
| dc.publisher | Programa de Pós-graduação em Ciência da Computação | |
| dc.rights | Acesso Aberto | |
| dc.subject | Fluxo de Dados | |
| dc.subject | Data Stream | |
| dc.subject | Aprendizado Ativo | |
| dc.subject | Active Learning | |
| dc.subject | Agrupamento | |
| dc.subject | Clustering | |
| dc.subject | Semi-supervisão | |
| dc.subject | Semi-supervision | |
| dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | |
| dc.subject | Ciência da Computação | |
| dc.subject | Inteligência Artificial | |
| dc.subject | Fluxo de dados (Computadores) | |
| dc.title | Aprendizado ativo para classificadores de fluxo de dados baseados em agrupamento | |
| dc.title | Active learning for clustering-based data stream classifiers | |
| dc.type | Dissertação |