Seleção de Características com Busca Ordenada e Classificadores de Larga Margem

Classificadores de larga margem, como as máquinas de vetores suporte, têm sido amplamente utilizados com bastante eficiência em problemas que possuem uma grande quantidade de variáveis ou características. Nesse sentido, torna-se importante o desenvolvimento de novas estratégias para a solução desse tipo de problema que se utilizem de critérios de seleção associados a esse tipo de classificador. Nesse trabalho propõe-se um novo método para a seleção de subconjuntos de variáveis que utiliza um processo de busca ordenada, também conhecido como best-first, para exploração do espaço de possíveis candidatos. O algoritmo, denominado AOS, utiliza como medida de avaliação os valores de margem calculados a partir da utilização de um classificador de larga margem. Esse classificador, de grande eficiência computacional, permite grande flexibilidade e rapidez na obtenção dos valores de margem possibilitando a solução de problemas de tamanho razoável, com centenas de características, sem que ocorra explosão combinatória. O algoritmo foi testado em vários problemas da literatura e seus resultados comparados à outras técnicas de seleção de subconjuntos. Uma importante contribuição teórica do trabalho se refere ao desenvolvimento do conceito de margem projetada. A utilização desse valor, computado como a projeção da margem real de um espaço em cada subespaço de dimensão inferior permitiu maior eficiência e rapidez na solução dos problemas de classificação e, portanto, no processo de busca como um todo.