Aprendizado Multi-objetivo: Usando conflitos para aprender

Abstract

Propomos uma estrutura conceitual multi-objetivo para aprendizado de máquina suportada por três etapas: (1) Modelagem multi-objetivo de cada problema de aprendizado, destacando explicitamente os objetivos conflitantes envolvidos; (2) Busca de soluções eficientes e bem distribuídas ao longo da fronteira de Pareto; (3) Seleção a posteriori dentre modelos eficientes usando a experiência do tomador de decisão ou filtragem e agregação para a síntese de ensembles. Essa estrutura pode contribuir para diversos problemas de aprendizado de máquina, incluindo: (i) classificação multi-classe, (ii) classificação desbalanceada, (iii) classificação multi-rótulo, (iv) aprendizado multitarefa, (v) aprendizado com múltiplos conjuntos de atributos, e (vi) redução de parcialidade discriminatória.