UM ESTUDO SOBRE MÉTODOS DE CONSTRUÇÃO DE ÁRVORES DE DECISÃO FUZZY
aprendizagem de máquina, lógica fuzzy, árvores de decisão, classificação, poda
O aprendizado de máquina é uma subárea da Inteligência Artificial que estuda métodos computacionais a fim de extrair conhecimentos de dados por meio de indução. Assim, é possível tirar conclusões gerais a partir de exemplos específicos. A classificação é uma das tarefas de aprendizagem de máquina cujo objetivo é induzir ou propor modelos que consigam classificar corretamente dados com classes distintas, por exemplo, classificar pacientes como doentes ou sadios. Uma forma de realizar a classificação é utilizando árvores de decisão, que apresentam modelos gráficos de classificação de fácil compreensão e bom aceite mesmo entre profissionais de outras áreas. A lógica fuzzy, por sua vez, possui mecanismos que tratam a incerteza e a imprecisão, presentes nos dados ou nas regras, de forma natural.
A união da lógica fuzzy com as árvores de decisão tem produzido árvores de decisão fuzzy, que fornecem modelos gráficos altamente interpretáveis se beneficiando da definição de atributos contínuos em termos de variáveis linguísticas fuzzy. Esse trabalho pretende focar no estudo das técnicas de indução e poda de árvores de decisão clássica, com o objetivo de propor técnicas eficientes para árvores de decisão fuzzy, visto que há diversas propostas de árvores de decisão clássicas que podem ser adaptadas para uso da lógica fuzzy.