HCAIM : um método de discretização supervisionado para o contexto de classificação hierárquica.

Abstract

A discretização de dados, como uma etapa da fase de pré-processamento, tem sido alvo de pesquisas em diversos trabalhos no contexto de classificação plana. Apesar da importância dos métodos de discretização para a tarefa de classificação, até onde se tem conhecimento, para problemas de classificação hierárquica, não existem na literatura propostas de métodos de discretização supervisionados que possam ser utilizados em conjunto com classificadores hierárquicos globais. Desse modo, neste trabalho é proposto um método de discretização supervisionado para o contexto de classificação hierárquica. Este método, denominado HCAIM (Hierarchical CAIM), corresponde a uma adaptação do método de discretização CAIM proposto para o contexto de classificação plana. A avaliação do método proposto foi realizada utilizando-se o método de classificação hierárquica Global Model Naive Bayes – GMNB. Os experimentos computacionais realizados com 8 bases de dados de bioinformática mostraram que o método HCAIM, para a maioria das bases, permitiu ao GMNB alcançar desempenho preditivo superior àqueles alcançados quando a base de dados foi pré-processada pelos métodos não supervisionados EqualWidth e EqualFrequency.