Benchmarking em classificação de dados: redes neurais e árvores de decisão

Abstract

Resumo: Com o avanço tecnológico e a dificuldade de lidar com grande volume de informações, surgiu a necessidade de a ciência criar novas possibilidades para ajudar tanto em automatizar, como em ofertar meios de lidar sejam elas estratégias, softwares, dispositivos, etc. Uma das ferramentas utilizadas para auxiliar nesta tarefa é o benchmarking. A princípio um termo não tão novo para o mundo corporativo, mas que conduzem a boas práticas sejam elas comparativas ou não, auxiliando o desempenho e buscando melhores estratégias para o crescimento de um determinado empreendimento. Suas diretrizes se popularizaram e colaboram para todo o âmbito cientifico, trazendo mais efetividade e confiabilidade para as pesquisas. Em algoritmos de classificação, auxiliam a viabilizar por exemplo qual a melhor estratégia aplicar, levando em consideração analises métricas e desempenho de cada algoritmo. Neste trabalho, foram analisados dois algoritmos classificadores através de um experimento realizado na ferramenta WEKA, utilizando uma abordagem de redes neurais, e uma outra perspectiva por árvores de decisão, afim de mostrar diferentes pontos de vista aplicados em uma mesma tarefa.___Abstract: With technological advances and a difficult to deal with a large volume of information, the need for science to create new possibilities to help both in automating and in offering ways to deal, be they strategies, software, devices, etc., arose. One of the tools used to assist in this task is benchmarking. At first, a term not so new to the corporate world, but that lead to good practices, whether they are comparative or not, helping performance and seeking better strategies for the growth of a given enterprise. Its guidelines have become popularized and collaborate across the scientific field, bringing more effectiveness and reliability to research. In classification algorithms, they help to enable, for example, which is the best application strategy, taking into account metric analysis and performance of each algorithm. In this work, classifier algorithms were traversed through an experiment carried out in the WEKA tool, using a neural network approach, and another perspective by decision trees, in order to show different points of view given in the same task.