Decision rule visualization for knowledge discovery by means of rough set approach

Ohki, Motoyuki; Inuiguchi, Masahiro; Harada, Toshinobu

doi:10.1109/grc.2011.6122648

Cited by 1 publication

(1 citation statement)

References 7 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Over the years, several extensions of rough sets theory to approximate sets described by numerical information were presented (GRECO et al, 2003;STEFANOWSKI, 1998;TRA-BELSI et al, 2010;OHKI et al, 2011;KRYSZKIEWICZ, 1999;TRABELSI et al, 2011).…”

Section: Observed Problemmentioning

confidence: 99%

A Rough Sets-Based Rule Induction for Numerical Datasets

Albuquerque

Alcântara

Gomes

2018

2018 7th Brazilian Conference on Intelligent Systems (BRACIS)

View full text Add to dashboard Cite

Tirar conclusões razoáveis a partir de dados do mundo real tem sido um desafio devido a diversos fatores relacionados à qualidade da informação. Para lidar com esses problemas, foi proposta a teoria dos conjuntos aproximados, que trata da inconsistência através da aproximação de conjuntos de dados. Entre as aplicações de conjuntos aproximados, destaca-se a sua utilização nos processos de aprendizagem, devido à sua capacidade de produzir modelos de classificação interpretáveis. Apesar do sucesso, alguns dos métodos baseados em conjuntos aproximados mais usados são projetados para trabalhar com dados de entrada categóricos. Essa opção de design pode limitar severamente sua aplicação a problemas do mundo real. Esses métodos também são inadequados para lidar com problemas de classificação binária. Utilizando métodos de discretização e árvores de decisão, conseguimos superar tais limitações e melhorar a qualidade da classificação dos métodos utilizados. Como resultado, desenvolvemos três abordagens. A primeira abordagem apresentada produz resultados interpretáveis considerando a opção de rejeição. A segunda abordagem faz uso de técnicas de fusão de crença para reduzir o número de objetos rejeitados na primeira abordagem. Por fim, a terceira abordagem faz uso de árvores de decisão para classificar todos os casos rejeitados.

show abstract