Título: Aplicação de AutoML em Técnicas de Aprendizado de Máquina para Classificação de Motoristas
Autores: Francisco Érbio Dias, José Maria Pires Menezes Júnior
Resumo: Um sistema inteligente de telemetria é uma ferramenta valiosa para coletar e monitorar dados em tempo real de uma variedade de dispositivos e sensores, onde a otimização de parâmetros do modelo de classificação de motoristas é um processo importante para melhorar o desempenho do sistema. Desta forma, em vez de definir manualmente esses parâmetros, a otimização busca encontrar os valores ideais automaticamente, minimizando uma métrica de desempenho. No entanto, em um sistema de telemetria a grande quantidade de dados gerados pode tornar a análise manual difícil, exigindo soluções automatizadas. Nesse contexto, o uso de técnicas de aprendizagem de máquina com AutoML (Automated Machine Learning) tem se mostrado uma opção eficiente para otimização de modelos e análise de um grande volume de dados de forma automatizada. Nesse estudo é utilizado quatro técnicas de aprendizagem de máquinas: K-NN, Redes Neurais Artificiais tipo MLP, algoritmo Random Forest e o GradientBoostingClassifier com o método validação cruzada e a técnica do k-fold, com folds igual a 10. Os resultados dos algoritmos de otimização de hiperparâmetros mostraram desempenho superior quando comparado com os resultados sem a utilização de técnicas de AutoML, tanto nas taxas de acerto como na precisão em todos os modelos de técnicas de aprendizagem de máquinas aplicados
Palavras-chave: Telemetria, AutoML, Hiperparâmetro
Páginas: 7
Código DOI: 10.21528/CBIC2023-143
Artigo em pdf: CBIC_2023_paper143.pdf
Arquivo BibTeX: CBIC_2023_143.bib