Comparação Sistemática do Desempenho de Classificadores Binários Supervisionados

Algoritmos de classificação, ou classificadores, categorizam dados em classes distintas, e cumprem um papel fundamental em aprendizado de máquina. Classificadores são usados em diversas áreas, para a detecção de spam e fraudes bancárias, o reconhecimento de objetos em imagens (como pessoas, animais e gestos) e até a detecção de células cancerígenas. Como a tarefa de classificação não é trivial, ou mesmo determinística, é necessária a implementação de heurísticas para realizar a tomada de decisão em casos ambíguos – e essa é a função dos algoritmos. Contudo, diante a uma ampla gama de opções, as diferenças pragmáticas entre os diversos classificadores não são sempre claras. Nesta dissertação, mostra-se que é possível agrupar certos classificadores binários supervisionados amplamente utilizados na literatura (SVM, GBDT, kNN, RF e NB) conforme sua resistência a dados com ruído e/ou desequilibrados, ou quanto a seu tempo de execução. Esses resultados indicam que, mesmo que haja grande similaridade no desempenho geral de algoritmos bem conhecidos, eles possuem diferenças de execução que podem ter um impacto significativo a depender do conjunto de dados sendo trabalhado. Assim, os resultados podem auxiliar na escolha por um classificador mais adequado.