one-r-algorithm

Algoritmo OneR §

O algoritmo One-R (também conhecido como OreR - One-Rule) é uma abordagem simples para a geração de regras de classificação, sendo considerado um dos métodos mais básicos e interpretáveis nessa área. Ele é especialmente adequado para problemas com poucos atributos, onde se busca uma solução rápida e fácil de interpretar.

A ideia central do algoritmo One-R é selecionar uma única regra que seja a mais informativa para fazer previsões. Essa regra é baseada na escolha de um único atributo que melhor discrimine as classes de destino (rótulos) do conjunto de dados. Essa escolha é realizada através do cálculo de métricas como o ganho de informação e a entropia, que indicam a relevância de cada atributo para a tarefa de classificação.

Funcionamento §

Considerando o conjunto de dados abaixo, o algoritmo segue os seguintes passos:

História de crédito	Risco
Ruim	Alto
Desconhecido	Alto
Desconhecido	Moderado
Desconhecido	Alto
Desconhecido	Baixo
Desconhecido	Baixo
Ruim	Alto
Ruim	Moderado
Boa	Baixo
Boa	Baixo
Boa	Alto
Boa	Moderado
Boa	Baixo
Ruim	Alto

1. Para cada atributo do conjunto de dados, analisa-se a relação entre esse atributo e a classe de destino.

2. Calcula-se a frequência de cada valor do atributo para cada classe. Por exemplo, se tivermos o atributo “História de crédito” com os valores “Boa”, “Ruim” e “Desconhecida”, contamos quantos exemplos de cada classe existem para cada valor desse atributo.

   Atributo	Valor	Quantidade	Regras	Erro
   História de crédito	Boa	5
   História de crédito	Ruim	5
   História de crédito	Desconhecida	4

3. Com base nessas frequências, seleciona-se o valor do atributo que apresenta a maior taxa de acerto para a classe de destino.

   • História de crédito = Boa

     SE "Boa" ENTÃO "Alto" = 1
     SE "Boa" ENTÃO "Moderado" = 1
     SE "Boa" ENTÃO "Baixo" = 3
     

     A regra com maior taxa de acerto é SE "Boa" ENTÃO "Baixo" = 3. Logo, o erro para essa regra é:

     Atributo	Valor	Quantidade	Regras	Erro
     História de crédito	Boa	5	SE “Boa” ENTÃO “Baixo” = 3
     História de crédito	Ruim	5
     História de crédito	Desconhecida	4

   • História de crédito = Moderado

      ```
      SE "Ruim" ENTÃO "Alto" = 3
      SE "Ruim" ENTÃO "Moderado" = 1
      SE "Ruim" ENTÃO "Baixo" = 0
      ```
     
      A regra com maior taxa de acerto é `SE "Ruim" ENTÃO "Alto" = 3`. Logo, o erro para essa regra é:
     
      $$
      \text{Erro} = \frac{\text{Frequência} - \text{Taxa de acerto}}{\text{Frequência}} = \frac{3}{5}
      $$
     
      |      Atributo       | Valor | Quantidade |           Regras           |    Erro    |
      | :-----------------: | :---: | :--------: | :------------------------: | :--------: |
      | História de crédito |  Boa  |     5      | SE "Boa" ENTÃO "Baixo" = 3 | $\frac{2}{5}$ |
     

     | História de crédito | Ruim | 5 | SE “Ruim” ENTÃO “Alto” = 3 | | | História de crédito | Desconhecida | 4 | | |

   • História de crédito = Desconhecida

     (1º) SE "Desconhecida" ENTÃO "Alto" = 2
     (2º) SE "Desconhecida" ENTÃO "Moderado" = 1
     (3º) SE "Desconhecida" ENTÃO "Baixo" = 2
     

     Quando há mais de uma regra com a mesma taxa de acerto, o algoritmo opta pela primeira regra na ordem. Nesse caso, a regra escolhida é SE "Desconhecida" ENTÃO "Alto" = 2. Logo, o erro para essa regra é:

     Atributo	Valor	Quantidade	Regras	Erro
     História de crédito	Boa	5	SE “Boa” ENTÃO “Baixo” = 3
     História de crédito	Ruim	5	SE “Ruim” ENTÃO “Alto” = 3
     História de crédito	Desconhecida	4	SE “Desconhecida” ENTÃO “Alto” = 2

4. A regra resultante é utilizada para fazer previsões em novos dados, atribuindo-se a classe que corresponde ao valor do atributo determinado pela regra.

Vantagens §

• Simplicidade e facilidade de interpretação das regras geradas.
• Rapidez na geração do modelo, sendo útil para uma análise exploratória inicial de dados.
• Pode servir como um ponto de referência (baseline) para comparação com algoritmos mais sofisticados.

Limitações §

• Sensibilidade à distribuição dos dados, podendo gerar regras muito específicas e não generalizáveis.
• Dificuldade em lidar com problemas complexos ou com alta dimensionalidade.
• Pode não ser adequado para conjuntos de dados com atributos contínuos ou valores faltantes.

Casos de uso §

O algoritmo One-R é recomendado quando se deseja uma análise rápida e simples dos dados para entender a importância dos atributos na tarefa de classificação. Ele é especialmente útil em problemas com poucos atributos categóricos e onde a interpretabilidade das regras é crucial.

No entanto, para problemas mais complexos ou com dados de natureza contínua, é aconselhável considerar o uso de algoritmos mais avançados, como árvores de decisão, random forest ou algoritmos de aprendizado profundo. O One-R pode ser um ponto de partida útil para uma exploração inicial, mas em situações mais desafiadoras, modelos mais robustos e adaptáveis são mais indicados.