67
disjunta. Este efeito reduz o grau de cobertura e aumenta a instabilidade do classificador.
O sintoma pode ser observado no conjunto monk2 e audiology. Por exemplo: Na base
monk2, a itera¸c˜ao 4 produziu 6 classificadores deste tipo. Na base audiology esse n´umero
chegou a 4 na sexta itera¸c˜ao. Isto tamb´em ocorreu nas bases monk1 e tic-tac-toe.
Houve um aumento do grau de cobertura em todas as bases. A coluna (100 -
cobertura) apresenta os pe rcentuais onde o classificador Hip
n˜ao atuou. Sob a perspectiva
de capacidade de predi¸c˜ao ´e desej´avel que este n´umero seja sempre menor do que cobertura
da regra default. Nos casos onde este n´umero ´e muito pr´oximo da cobertura da regra
default os agentes combinaram regras com forte independˆencia estat´ıstica. Isto pode
ser verificado na base Car. J´a no outro extremo, onde a quantidade de exemplos n˜ao
cobertos pelo conjunto Hip
´e pequeno, o algoritmo expandiu a cobertura atrav´es de
regras inseridas. Foram observados casos com grau de intersec¸c˜ao positivo. Entende-se
por grau de intersec¸c˜ao positivo as regras que cobrem ´areas comuns e apontam para a
mesma classe alvo. Com exce¸c˜ao da base Car, este comportamento foi percebido em todas
as outras bases.
Tabela 6.5: Quantidade M´edia de Regras Geradas
Base SDICCS Local
Audiology 7, 90 ± 3, 41 2, 74 ± 0, 44
Car 13, 20 ± 3, 55 6, 53 ± 0, 55
Iris 7, 70 ± 1, 77 2, 81 ± 0, 10
Monk 1 4, 70 ± 1, 25 1, 74 ± 0, 21
Monk 2 2, 90 ± 2, 18 1, 77 ± 0, 25
Segment
36, 50 ± 4, 43 9, 23 ± 0, 42
Soyb ean 29, 20 ± 2, 90 9, 89 ± 0, 47
Tic-Tac-Toe 8, 30 ± 2, 00 3, 63 ± 0, 31
Vehicle 22, 60 ± 2, 80 5, 33 ± 0, 33
Vowel 44, 10 ± 5, 95 9, 53 ± 0, 50
A Tabela 6.5 apresenta a quantidade m´edia de regras do conjunto Hip
. Foi ve-
rificado que as bases que apresentaram maior quantidade de regras possuem atributos
cont´ınuos. Algumas regras descobertas, apesar de consistentes possuem um certo grau de
intersec¸c˜ao com outras. As regras apresentadas na figura 6.2, foram extra´ıdas do conjunto
Hip
da base Segment na primeira itera¸c˜ao. Como pode ser observado, essas regras podem
ter intersec¸c˜ao para a primeira condi¸c˜ao de ambas, que usam o atributo intensity mean,
caso sejam tratadas como n˜ao ordenadas. Por tratarem-se de regras ordenadas, a segunda
regra funciona como um complemento da primeira: nas situa¸c˜oes onde a regra 1 n˜ao for
disparada, a regra 2 poder´a ser. Elas s˜ao complementares e al´em disso apontam para a
mesma classe alvo window. Este grau de intersec¸c˜ao ´e considerado positivo pois a classe
alvo ´e a mesma.
Em geral, ´e poss´ıvel perceber um aumento na quantidade de regras. Esse aumento