Cálculo paralelo de índice de validação de agrupamento
Resumo
No meta-aprendizado, as meta-características são medidas derivadas do conjunto de dados que fornecem informações adicionais sobre suas propriedades. A extração, ou cálculo, dessas meta-características pode ser custosa, especialmente em agrupamentos. Este trabalho busca utilizar o paralelismo para calcular de forma mais rápida e eficiente a meta-característica, ou índice, de validação de agrupamentos. Nossos experimentos mostram ganhos de até 22 vezes em comparação com a versão sequencial.Referências
Lemke, C., Budka, M., and Gabrys, B. (2015). Metalearning: a survey of trends and technologies. Artificial intelligence review, 44:117–130.
Luna-Romera, J. M., del Mar Martinez-Ballesteros, M., Garcia-Gutierrez, J., and Riquelme-Santos, J. C. (2016). An approach to silhouette and dunn clustering indices applied to big data in spark. In Advances in Artificial Intelligence: 17th Conference of the Spanish Association for Artificial Intelligence, CAEPIA 2016, Salamanca, Spain, September 14-16, 2016. Proceedings 17, pages 160–169. Springer.
Rivolli, A., Garcia, L. P., Soares, C., Vanschoren, J., and de Carvalho, A. C. (2018). Characterizing classification datasets: a study of meta-features for meta-learning. arXiv preprint arXiv:1808.10406.
Silva L., Franco R., C. A. M. W. (2023). Gpu acceleration of clustering meta-feature extraction using rapids. XXII Workshop em Desempenho de Sistemas Computacionais e de Comunicação, (wperformance 2023) edition.
Zerabi, S., Meshoul, S., and Boucherkha, S. C. (2020). Models for internal clustering validation indexes based on hadoop-mapreduce. International Journal of Distributed Systems and Technologies (IJDST), 11(3):42–67.
Luna-Romera, J. M., del Mar Martinez-Ballesteros, M., Garcia-Gutierrez, J., and Riquelme-Santos, J. C. (2016). An approach to silhouette and dunn clustering indices applied to big data in spark. In Advances in Artificial Intelligence: 17th Conference of the Spanish Association for Artificial Intelligence, CAEPIA 2016, Salamanca, Spain, September 14-16, 2016. Proceedings 17, pages 160–169. Springer.
Rivolli, A., Garcia, L. P., Soares, C., Vanschoren, J., and de Carvalho, A. C. (2018). Characterizing classification datasets: a study of meta-features for meta-learning. arXiv preprint arXiv:1808.10406.
Silva L., Franco R., C. A. M. W. (2023). Gpu acceleration of clustering meta-feature extraction using rapids. XXII Workshop em Desempenho de Sistemas Computacionais e de Comunicação, (wperformance 2023) edition.
Zerabi, S., Meshoul, S., and Boucherkha, S. C. (2020). Models for internal clustering validation indexes based on hadoop-mapreduce. International Journal of Distributed Systems and Technologies (IJDST), 11(3):42–67.
Publicado
24/08/2023
Como Citar
BARBOSA, Vinicius F.; MARTINS, Wellington S..
Cálculo paralelo de índice de validação de agrupamento. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DO CENTRO-OESTE (ERAD-CO), 6. , 2023, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 20-22.
DOI: https://doi.org/10.5753/eradco.2023.233552.
