Journal of Data Mining in Genomics & Proteomics

Abstrato

Seleção de características baseada na teoria da informação para classificador bayesiano ingénuo multi-relacional

Vimalkumar B Vaghela, Kalpesh H Vandra e Nilesh K Modi

 Hoje os dados são armazenados em estruturas de relacionamento. Na abordagem usual para extrair estes dados, costumamos juntar várias relações para formar uma única relação utilizando ligações de chave estrangeira, o que é conhecido como flatten. O flatten pode causar problemas como demora, redundância de dados e distorção estatística dos dados. Consequentemente, surgem questões críticas sobre como extrair dados diretamente em inúmeras relações. A solução do problema em questão é a abordagem denominada mineração de dados multi-relacional (MRDM). Outras questões são atributos irrelevantes ou redundantes numa relação que podem não contribuir para a precisão da classificação. Assim, a seleção de características é uma etapa essencial de pré-processamento de dados na mineração de dados multi-relacional. Ao filtrar as características irrelevantes ou redundantes das relações para a mineração de dados, melhoramos a precisão da classificação, conseguimos um bom desempenho temporal e melhoramos a compreensibilidade dos modelos. Propusemos o método de seleção de características baseado na entropia para o Classificador Bayesiano Multi-relacional Naïve. Utilizámos o método InfoDist e os parâmetros de correlação de Pearson, que serão utilizados para filtrar as características irrelevantes e redundantes da base de dados multi-relacional e aumentarão a precisão da classificação. Analisámos o nosso algoritmo sobre o conjunto de dados financeiros PKDD e conseguimos uma melhor precisão em comparação com os métodos de seleção de características existentes.