prism-algorithm

Algoritmo PRISM §

O algoritmo PRISM é uma abordagem de aprendizado de máquina utilizada para a geração de regras de classificação. Ele foi desenvolvido especialmente para lidar com conjuntos de dados contendo variáveis categóricas, onde a maioria dos algoritmos tradicionais de aprendizado de regras enfrentam dificuldades.

Funcionamento §

O funcionamento do algoritmo PRISM é baseado em uma estratégia chamada de indução de regras parcial. Em vez de tentar criar regras que cubram todo o conjunto de dados, o PRISM foca em criar regras específicas para partes específicas dos dados, levando em conta a ordem dos atributos. Essa abordagem permite lidar de forma mais eficiente com a natureza categórica dos atributos e extrair regras mais precisas para a classificação.

Os passos principais do algoritmo PRISM são:

1. Divisão do Conjunto de Dados: O conjunto de dados é dividido em partes menores com base nos valores dos atributos categóricos, criando grupos de dados semelhantes. Essa divisão facilita a geração de regras específicas para cada grupo.

   Considere a tabela abaixo para a geração da regra parcial da classe risco = "alto":

   História do crédito	Dívida	Garantias	Renda anual	Risco
   Ruim	Alta	Nenhuma	< 15.000	Alto
   Desconhecida	Alta	Nenhuma	>= 15.000 a <= 35.000	Alto
   Desconhecida	Baixa	Nenhuma	> 35.000	Alto
   Ruim	Baixa	Nenhuma	< 15.000	Alto
   Boa	Alta	Nenhuma	< 15.000	Alto
   Ruim	Alta	Nenhuma	>= 15.000 a <= 35.000	Alto

2. Geração de Regras Parciais: Para cada grupo de dados criado na etapa anterior, o PRISM gera regras de classificação que se aplicam apenas a esse grupo específico. Essas regras são criadas considerando a ordem dos atributos categóricos, resultando em regras mais precisas e específicas.

   Atributo = Valor	Abrangência
   História de crédito = Boa
   História de crédito = Desconhecida
   História de crédito = Ruim
   Dívida = Alta
   Dívida = Baixa
   Garantias = Nenhuma
   Garantias = Adequada
   Renda = < 15.000
   Renda = >= 15.000 a <= 35.000
   Renda = > 35.000

   O atributo e valor que possuem a maior abrangência é Garantias = Nenhuma com , ou seja, todos os registro com Risco = Alto possuem o atributo Garantia = Nenhuma. Então a regra parcial é SE Garantias = Nenhuma ENTÃO Risco = Alto

3. Combinação de Regras: Após a geração das regras parciais, o PRISM combina essas regras para formar um conjunto completo de regras para a classificação de todo o conjunto de dados. As regras são combinadas de forma a evitar sobreposição e redundância, garantindo que cada instância seja classificada de forma única.

   Agora vamos gerar outra regra parcial para combinar com SE Garantias = Nenhuma ENTÃO Risco = Alto:

   Atributo = Valor	Abrangência
   História de crédito = Boa
   História de crédito = Desconhecida
   História de crédito = Ruim
   Dívida = Alta
   Dívida = Baixa
   Renda = < 15.000
   Renda = >= 15.000 a <= 35.000
   Renda = > 35.000

   O atributo e valor com a maior abrangência é Dívida = Alta com . Então juntando as 2 regras parciais temos: SE Garantias = Nenhuma e Dívida = Alta ENTÃO Risco = Alto

   Repetimos esse processo de combinação de regras parciais até atingirmos uma regra completa. No final temos a seguinte regra:

   SE Garantias = Nenhuma e Dívida = Alta e História = Ruim e Renda < 15.000 ENTÃO Risco = Alto

O algoritmo PRISM é especialmente útil para conjuntos de dados com muitas variáveis categóricas e para problemas de classificação com classes desbalanceadas. Ele tende a gerar regras mais precisas e interpretáveis, o que facilita a compreensão e a validação do modelo por especialistas. Além disso, por ser um método de indução de regras parcial, o PRISM é capaz de lidar com a complexidade de dados categóricos, onde outros algoritmos podem não apresentar bons resultados.

Vantagens §

• Lida eficientemente com conjuntos de dados contendo variáveis categóricas.

• Gera regras mais precisas e interpretáveis, facilitando a validação e compreensão do modelo.

• Útil para problemas com classes desbalanceadas.

• Pode ser aplicado em tarefas de classificação com alta dimensionalidade.

Limitações §

• Pode não ser adequado para conjuntos de dados com muitas variáveis contínuas ou atributos altamente correlacionados.

• Pode gerar regras muito específicas para dados com ruído ou valores faltantes.

Casos de uso §

O PRISM é recomendado quando lidamos com conjuntos de dados que possuem muitas variáveis categóricas e para problemas onde a interpretabilidade das regras geradas é crucial. Ele é especialmente útil em problemas de classificação onde se deseja compreender claramente as relações entre as variáveis categóricas e a classe de destino.

No entanto, em situações com muitas variáveis contínuas ou atributos altamente correlacionados, ou quando se requer maior complexidade no modelo, outros algoritmos como árvores de decisão, random forest ou algoritmos de aprendizado profundo podem ser mais adequados.