MASDES-DWMV: modelo para seleção dinâmica de comitês de máquina baseado em sistema multiagentes e voto majoritário ponderado dinâmico

Abstract

Um dos principais desafios dos algoritmos de aprendizagem de máquina é maximizar o resultado e a generalização. Assim as máquinas de comitê, ou seja, a combinação de mais de uma máquina de aprendizado (abordagem também denominada na literatura por ensemble), juntamente com a teoria de agentes, se tornam uma alternativa promissora neste desafio. Neste sentido, esta pesquisa propõe um modelo de seleção dinâmica de comitês de máquina para problemas de classificação, baseado em sistema multiagentes e no voto majoritário ponderado dinâmico. Este modelo possui uma arquitetura baseada em agentes, com seus papéis e comportamentos modelados e descritos através do ciclo de vida do sistema multiagentes. As etapas de generalização, seleção, combinação e decisão, são realizadas através do comportamento e da interação dos agentes com o ambiente, no exercício de seus respectivos papéis. A fim de validar o modelo, foram realizados experimentos em 20 datasets, provenientes de quatro repositórios e comparados com sete modelos do estado da arte de seleção dinâmica de comitês de máquina. Ao final, os resultados destes experimentos são apresentados, comparados e analisados, no qual o modelo proposto obteve ganhos consideráveis em relação aos demais modelos.

Abstract: One of the main challenges of machine learning algorithms is to maximize the result and generalization. Thus, the committee machines, i.e., the combination of more than one learning machine (an approach also called in the literature by ensemble), together with agent theory, become a promising alternative in this challenge. In this sense, this research proposes a dynamic selection model of machine committees for classification problems based on the multi-agent system and the weighted majority voting dynamic. This model has an agent-based architecture, with its roles and behaviors modeled and described throughout the life cycle of the multiagent system. The steps of generalization, selection, combination, and decision are performed through the behavior and interaction of agents with the environment, in the exercise of their respective roles. In order to validate the model, experiments were performed on 20 datasets from four repositories and compared with seven state-of-the-art dynamic committee selection models. At the end, the results of these experiments are presented, compared and analyzed, in which the proposed model obtained considerable gains in relation to the other models.