Abstrato

Comparação de classificadores de aprendizagem supervisionada e não supervisionada para recomendações de viagens

Zohreh Bahman Isfahani, Shahram Jafari e Reza Akbarian

A classificação é uma das atividades mais comuns nas áreas relacionadas com a tomada de decisão inteligente. As redes neuronais são abordagens adequadas para resolver problemas de data mining, especialmente de classificação. Normalmente, para resolver problemas de classificação utilizando redes neuronais onde existem saídas adequadas para os mesmos, é selecionado o tipo de treino supervisionado. Neste estudo foi feita uma comparação sobre a classificação dos dados do turismo eletrónico utilizando dois métodos de aprendizagem, supervisionada e não supervisionada, e foram determinados os valores de saída adequados para todos os dados de entrada. A saída inclui alguns pacotes de viagem adequados aos turistas que lhes são recomendados de acordo com os valores de entrada. O resultado experimental mostrou que apesar dos valores de saída alvo existirem, a saída da rede neural com aprendizagem não supervisionada e arquitetura SOM tem uma previsão mais precisa em comparação com a aprendizagem supervisionada. Os pacotes de viagens propostos pela rede neural estão mais em conformidade com as seleções turísticas para avaliação final dos resultados, o conjunto de dados de teste foi entregue aos especialistas e o seu cuidado nas previsões indicou resultados próximos das avaliações obtidas no método de aprendizagem não supervisionada.