Um Estudo Comparativo entre Algoritmos de Agrupamentos de Dados Usando a Ferramenta YADMT

  • Narciso F. Sousa UFRN
  • Flavius L. Gorgônio UFRN
  • Huliane M. Silva IFRN

Resumo


A necessidade de transformar dados em informação e informação em conhecimento, impulsionou o surgimento da área de mineração de dados, cujo objetivo é fornecer técnicas de interpretação de grandes volumes de dados. Embora as atuais ferramentas computacionais de análise e processamento de informação possam analisar imensos volumes de dados em questões de segundos, aplicações do mundo real costumam ser bem mais complexas e possuir bases de dados muito mais desafiadoras do que as comumente apresentadas na literatura. Este trabalho apresenta um estudo comparativo entre algoritmos de agrupamento de dados a partir de bases de dados da FCPS (Fundamental Clustering Problem Suite) e da ferramenta YADMT (Yet Another Data Mining Tool), que simulam variadas situações presentes em problemas do mundo real. Os algoritmos escolhidos nesta pesquisa foram: colônia de formigas, k-means, mapas auto-organizáveis e métodos hierárquicos. Para avaliação dos mesmos foram utilizados a Medida F, o Índice R e a Variância Intra-Grupos.

Referências

Boscarioli, C., Teixeira, M. F., Villwock, R., and Faino, T. M. (2013). O módulo de agrupamento de dados da ferramenta yadmt. V EPAC Enc. Paranaense de Computação.

Deneubourg, J.-L., Goss, S., Franks, N., Sendova-Franks, A., Detrain, C., and Chrétien, L. (1990). The dynamics of collective sorting robot-like ants and ant-like robots. In Proc of the Int Conference on Simulation of Adaptive Behavior, pages 356–363.

Faino, T. M. (2013). Agrupamento de dados a partir de mapas auto-organizáveis na ferramenta yadmt. CCET, UNIOESTE, PR.

Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3):37–54.

Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., and Tatham, R. L. (2009). Análise multivariada de dados. Bookman editora.

Han, J., Kamber, M., and Pei, J. (2012). Data Mining: Concepts and Techniques, Third Edition, volume 3rd. Morgan Kaufmann Publishers, Waltham, Mass.

Handl, J., Knowles, J., and Dorigo, M. (2003). On the performance of ant-based clustering. In On the Performance of Ant-based Clustering, volume 104, pages 204–213.

Knob, A. A. (2015). Formas de mapeamento do problema cash para agrupamento de dados. CCET, UNIOESTE, PR.

Kohonen, T. and Honkela, T. (2007). Kohonen network. Scholarpedia, 2(1):1568. revision 127841.

Konen, W., Koch, P., Flasch, O., Bartz-Beielstein, T., Friese, M., and Naujoks, B. (2011). Tuned data mining: a benchmark study on different tuners. In Proceedings of the 13th annual conference on Genetic and evolutionary computation, pages 1995–2002.

Linden, R. (2009). Técnicas de agrupamento. Revista de Sistemas de Informação da FSMA, 1.

MacQueen, J. et al. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, volume 1, pages 281–297. Oakland, CA, USA.

Narayanan, R., Ozisikyilmaz, B., Zambreno, J., Memik, G., and Choudhary, A. (2006). Minebench: A benchmark suite for data mining workloads. In 2006 IEEE International Symposium on Workload Characterization, pages 182–188.

Padilha, V. A. and Carvalho, A. C. P. L. F. (2017). Mineração de dados em python. In Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo.

Teixeira, M. F. (2013). Agrupamento e visualização de dados: Estudo e implementações para a ferramenta yadmt. Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste do Paraná.

Ultsch, A. (2005). Clustering wih som. In Proc. Workshop on Self-Organizing Maps.

Ultsch, A. and Lötsch, J. (2020). The fundamental clustering and projection suite (fcps): A dataset collection to test the performance of clustering and data projection algorithms. Data, 5(1).

Villwock, R. (2009). Técnivas de agrupamento e de hierarquização no contexto de kdd aplicação a dados temporais de instrumentação geotécnica-estrututal da usina hidrelétrica de itaipu. PPGMNE, UFPR.
Publicado
14/09/2021
Como Citar

Selecione um Formato
SOUSA, Narciso F.; GORGÔNIO, Flavius L.; SILVA, Huliane M.. Um Estudo Comparativo entre Algoritmos de Agrupamentos de Dados Usando a Ferramenta YADMT. In: ESCOLA REGIONAL DE COMPUTAÇÃO CEARÁ, MARANHÃO, PIAUÍ (ERCEMAPI), 9. , 2021, Quixadá. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 82-90. DOI: https://doi.org/10.5753/ercemapi.2021.17911.