Improving Fuzzy Rule-Based Classifier Systems Considering Data Streams and Concept Drift

Neste trabalho é avaliado o desempenho de um Sistema Classificador Baseado em Regras Fuzzy considerando fluxo de dados e concept drift. O métod Hoeffding Drift Detection Method é aplicado para detectar as mudanças de conceito no fluxo de dados, as quais podem ser de dois tipos, gradual e abrupto. Após a detecção do concept drift, três cenários foram avaliados para o ajuste das regras do sistema. No primeiro, uma nova base de regras é gerada. No segundo, um valor de utilidade é calculado para as regras, e as que tiverem utilidade abaixo dessa média são descartadas. Após isso, novas regras são criadas utilizando os dados atuais. Por fim, no terceiro cenário, novas regras são geradas, e em seguida, a utilidade é calculada. As regras, novas e antigas, que tenham utilidade menor do que a média são descartadas. Experimentos foram executados nos três cenários considerando datasets artificiais e reais, variando o tamanho da janela de dados entre os conceitos em 100 e 1000 exemplos. Os resultados mostram que os cenários 1 e 2 ajustaram melhor o sistema durante a mudança dos conceitos, tanto para os dados artificiais quanto para os reais. Por fim, o teste estatístico de Friedman foi aplicado e constatou que os resultados são significativos, com exceção de apenas dois casos.