Uma análise de técnicas de classificação para predição de valores atribuídos a jogadores no jogo FIFA

• Maurício D. C. Balboni Universidade Federal do Rio Grande (FURG)
• Helida Santos Universidade Federal do Rio Grande (FURG) http://orcid.org/0000-0003-2994-2862
• Giancarlo Lucca Universidade Federal do Rio Grande (FURG) http://orcid.org/0000-0002-3776-0260

DOI: https://doi.org/10.5753/weit.2021.18934

Resumo

Esse trabalho busca realizar um comparativo de uma aplicação de dois diferentes algoritmos de aprendizado de máquina. Precisamente levamos em consideração o Public-C e um algoritmo baseado em regras fuzzy, o FURIA. Para isso, utilizamos duas ferramentas que auxiliam na elaboração de modelos preditivos, o software KEEL e a linguagem de programação R. O trabalho utiliza a acurácia como medida de qualidade dos modelos preditivos além de apresentar suas matrizes de confusão. Mostrando que o modelo utilizando o FURIA apresenta um desempenho considerado satisfatório.

Palavras-chave: Lógica Fuzzy, Aprendizado de máquina, Computação difusa

Referências

Amendola, M., Souza, A. d., and BARROS, L. C. (2005). Manual do uso da teoria dos conjuntos fuzzy no matlab 6.5. FEAGRI & IMECC/UNICAMP, pages 1–44.

Ayodele, T. O. (2010). Types of machine learning algorithms. New advances in machine learning, 3:19–48.

Chenci, G. P., Rignel, D. G., and Lucas, C. A. (2011). Uma introdução à lógica fuzzy. Revista Eletronica de Sistemas de Informação e Gestão Tecnológica, 1(1).

Cohen, W. W. (1995). Fast effective rule induction. In Machine learning proceedings 1995, pages 115–123. Elsevier.

Hühn, J. and Hüllermeier, E. (2009). Furia: an algorithm for unordered fuzzy rule induction. Data Mining and Knowledge Discovery, 19(3):293–319.

Li, Y.-X., Tan, C. L., Ding, X., and Liu, C. (2004). Contextual post-processing based on the confusion matrix in offline handwritten chinese script recognition. Pattern Recognition, 37(9):1901–1912.

Monard, M. C. and Baranauskas, J. A. (2003a). Conceitos sobre aprendizado de máquina. Sistemas inteligentes-Fundamentos e aplicações, 1(1):32.

Monard, M. C. and Baranauskas, J. A. (2003b). Indução de regras e árvores de decisão. Sistemas Inteligentes-Fundamentos e Aplicações, 1:115–139.

Quinlan, J. R. and Rivest, R. L. (1989). Inferring decision trees using the minimum description lenght principle. Information and computation, 80(3):227–248.

Rastogi, R. and Shim, K. (2000). Public: A decision tree classifier that integrates building and pruning. Data Mining and Knowledge Discovery, 4(4):315–344.

Schaffer, C. (1993). Selecting a classification method by cross-validation. Machine Learning, 13(1):135–143.

Zadeh, L. A. (1965). Fuzzy sets. In Fuzzy sets, fuzzy logic, and fuzzy systems: selected papers by Lotfi A Zadeh, pages 394–432. World Scientific.

Zhang, X.-D. (2020). Machine learning. In A Matrix Algebra Approach to Artificial Intelligence, pages 223–440. Springer.