Classificação de dados usando técnicas de dataminig e aprendizado de máquina

Abstract

O Knowledge Discovery in Database é uma técnica de descoberta de conhecimento em Base de Dados que identifica padrões úteis em dados não processados. O KDD é uma técnica que possui várias etapas, sendo o processo de Mineração de Dados a mais importante na extração de conhecimento. Entre os diversos algoritmos usados nessa etapa, explicamos um das técnicas de classificação de dados mais antigas, o método SVM. Esse trabalho, além de esclarecer o algoritmo de SVM (Support Vector Machine), buscou aplicá-lo a um estudo de caso, onde um pesquisador médico obteve um conjunto de dados que contém as características de um certo número de amostras de células humanas extraídas de pacientes que se acreditava estar em risco de desenvolver câncer. Essa base de dados esta disponível na UCI Repositório (Assunção e Newman, 2007), além disso consta com exemplo no repositório do software Clementine, onde este gerou uma classificação dessas. Esta classsificação foi feita pelos Kernels do SVM, ou seja, o Kernel Sibmoidal, Linear, RBF (Gausiano) e o Polynomial, além da comparação feita entre Kernels, foi feita também uma analise entre diversos algoritmos, tais como: QUEST, CHAID e o Neural Network