Estudo Comparativo Das

Estudo comparativo das t´ecnicas de redu¸c˜ao de dimensionalidade na execu¸c˜ao de um classificador
Diˆego Farias de Oliveira
Nykolas Mayko Maia Barbosa
Amauri Holanda de Souza J´ unior 27 de abril de 2015
Resumo
Neste artigo ser´ a apresentado um estudo sobre trˆes t´ecnicas de redu¸ca
˜o
de dimensionalidade: PCA, MDS e Random Projections, que tem como objetivo a redu¸c˜ ao do tempo de execu¸ca
˜o de algoritmos classificadores e de regress˜ ao. Esses m´etodos ser˜ ao descritos e ilustrados em toy examples
(que s˜ ao conjuntos utilizados para facilitar a visualiza¸ca
˜o dos mesmos).
Os resultados das execu¸co
˜es do SVM com os conjuntos reduzidos ser˜ ao analisados e comparados quanto ao tempo de execu¸ca
˜o e a precis˜ ao da classifica¸ca ˜o.

keywords— dimensionalidade, redu¸c˜ao, classificador, compara¸c˜ao, t´ecnicas.
Abstract
This paper deals with a study of three dimensionality reduction techniques: PCA, MDS and Random Projections, which aims to reduce the execution time of classifiers and regression algorithms. These methods will be described and illustrated in toy examples (which are sets used to facilitate the visualization). The results of the runs of SVM with the reduced sets will be analyzed and compared in terms of execution time and classification accuracy.

keywords— dimensionality, reduction, classifiers, compared, techniques.

1

Introdu¸ c˜ ao

Uma dificuldade que ´e comumente encontrada em problemas de aprendizagem de m´ aquina ´e a alta dimens˜ ao dos conjuntos de dados. Em alguns problemas podemos ter espa¸cos com centenas ou milhares de dimens˜oes. Alta dimensionalidade pode ser facilmente encontrada quando se trabalha no campo de processamento de imagens, um exemplo disso pode ser visualizado quando se manipula uma imagem de tamanho 500x500, cada pixel da mesma ´e considerada uma caracter´ıstica, assim, tem-se 250 mil dimens˜oes em apenas uma imagem.
O n´ umero de classificadores que devem ser considerados aumenta exponencialmente com o n´