Classificação e agrupamento de dados: um exemplo de Inteligência Artificial

Classificação e agrupamento de dados: um exemplo de
Inteligência Artificial
Adelmo T. S. Junior [e-mail] Resumo. Este artigo descreve a aplicação de algoritmos de aprendizado supervisionado e não-supervisionado em problemas de classificação de conjuntos e agrupamento de dados, ou clustering. Naives Bayes, Decision Tree, k-Nearest Neighbour e Redes Neurais (com backpropagation) são os algoritmos de aprendizado supervisionados utilizados na classificação do conjunto especificado, uma base de dados com valores de radares ao redor da ionosfera.
K-Means é o algoritmo de aprendizado não-supervisionado utilizado no agrupamento de dados aplicado em uma base de dados com instâncias de análises de pacientes com diabetes.

1. Introdução
Com o aumento de informações digitalmente armazenadas, algoritmos de força bruta começaram a perder sua eficiência. A necessidade do uso de algoritmos mais eficientes foi observada, e para isso o uso de algoritmos inteligentes foi iniciado. Desde o final da década de 50 e início da década de 60, o campo de Inteligência Artifical tem sido trabalho a fim de permitir à máquina realizar tarefas que antes eram realizadas somente por humanos. A classificação e o agrupamento são duas tarefas que, antes realizadas somente por humanos, agora passíveis de serem realizadas por máquinas, serão abordadas neste artigo. A separação de objetos é um trabalho árduo realizado por humanos, que aumenta quase que exponencialmente a medida que mais objetos são adicionados. Com o uso de algoritmos inteligentes, antes uma tarefa árdua e com um grande consume de tempo, agora pode ser realizada de forma simples, ao ponto de vista do usuário, e em um tempo muito menor. Em meio a vários algoritmos de agrupamento, ou clustering, há o k-Means.
O agrupamento dos dados por meio do k-Means é feito com ambas aproximações e análises estatísticas dos grupos.
A classificação de objeto de acordo com um rótulo também é um trabalho que