Título: Uma Análise sobre o Impacto de Dados Faltantes no Desempenho de Métodos de Aprendizado de Máquina

Data: 30/10/2018

Horário: 15h

Local: Sala de Seminários - Bloco 952

Resumo:

A ocorrência de dados faltantes é um problema recorrente e tem despertado interesse de pesquisadores ao longo das últimas décadas. Devido a isto, muitos métodos para imputação de dados têm sido propostos. Neste artigo é apresentado um estudo do impacto da aplicação de vários métodos de imputação de dados faltantes no desempenho de métodos de aprendizado de máquina, tanto classificação como regressão. O resultado obtido mostra que os algoritmos de imputação podem ter impacto no desempenho de algoritmos de classificação e regressão. Adicionalmente é apresentado um modelo para recomendação de algoritmos de imputação que demonstra boa acurácia na tarefa de predição.

Banca:

• Prof. Dr. João Paulo Pordeus Gomes (MDCC/UFC - Orientador)
• Prof. Dr. José Maria da Silva Monteiro Filho (MDCC/UFC)
• Prof. Dr. César Lincoln Cavalcante Mattos (UFC)