Máquinas Aleatórias: o espaço de kernel aleatório para construção de um método de combinação de máquina de vetores de suporte
Métodos de Combinação, Aprendizado Estatístico de Máquina, Modelos de Máquinas de Vetores de Suporte, Bagging, Truque do Kernel
Nesta dissertação uma nova abordagem de combinação de modelos foi proposta utilizando-se da seleção aleatória de funções de kernel na construção de um bagging baseado em classificadores de máquinas de vetores de suporte. Ao longo dos últimos anos, a utilização de múltiplos classificadores para obter uma melhor capacidade preditiva têm se consolidado. Nesse sentido, para obter-se um melhor resultado busca-se combinar modelos que sejam mais fortes e diversos possíveis. O método proposto, Máquinas Aleatórias, busca utilizar os modelos de vetores de suporte de máquina que são tradicionalmente fortes e introduzir a diversidade na combinação através da aleatoriedade entre as funções de kernel. Este processo foi generalizado tanto para tarefas de classificação quanto para tarefas de regressão, o obteve sucesso quando comparado à combinação tradicional deste tipo de modelo. Além disso, as Máquinas Aleatórias foram comparadas com métodos de combinação bem consolidados como a Floresta Aleatória, demonstrando a competitividade do algoritmo proposto. Finalmente, o método foi aplicado em três novas resoluções inéditas de problemas do mundo real e resultando em uma performance satisfatória.