Modelagem de Tarefa de Aprendizagem de Máquina

...

Nossos atributos podem ser divididos em duas categorias. Atributos relacionados ao robô alvo, e atributos relacionados ao nosso próprio robô.

Os atributos do robô alvo podem ser detectados através do uso do radar (distância, direção de movimento e velocidade de locomoção). Classe ScannedRobotEvent.

Os atributos do nosso próprio robô podem ser detectados a qualquer momento (nível de energia e temperatura da arma).

Podemos verificar se o nosso tiro atingiu o alvo esperado através do evento onBulletHit da API do RoboCode.

1.6 Foram considerados como atributos relevantes os atributos “ação sendo executada” e “tempo” para fazer a supervisão? Como fazer a supervisão sem esses atributos? Avalie se encontrou uma maneira de fazer supervisão sem eles, ou precisa considerá-los na modelagem do problema.

Sim, ambos foram considerados. O “tempo” foi considerado como atributo relevante, devido a necessidade de verificar se um tiro disparado num estado anterior, atingiu um robô inimigo ou não, e a “ação sendo executada” é a verificação das posições, direções e velocidades dos robôs inimigos, como também a verificação da energia e temperatura do canhão do próprio robô.

1.7 Faça árvore de decisão "pensada" (hipóteses criadas) para o problema.

Fonte: https://drive.google.com/file/d/0ByONQgIVd4hkU1FWLUdKNFNfWk0/view?usp=sharing

1.8 Pesquise por implementações do algoritmo ID3 em Java. Quais são mais interessantes e por que? Quais são as evoluções desse algoritmo? Avalie e determine um para usar em uma implementação do problema.

Foram encontradas diversas implementações do ID3 em Java, como por exemplo:

https://github.com/Steve525/decision-tree

http://web.arch.usyd.edu.au/~wpeng/DecisionTree2.pdf

http://www.ijarcsse.com/docs/papers/Volume_3/6_June2013/V3I6-0454.pdf

http://weka.sourceforge.net/doc.stable/weka/classifiers/trees/Id3.html

http://www.kddresearch.org/Groups/Machine-Learning/MLJ/

http://tekmarathon.com/2015/11/12/id3-implementation-of-decision-trees/

http://www.cise.ufl.edu/~ddd/cap6635/Fall-97/Short-papers/2.htm

http://cis-linux1.temple.edu/~ingargio/cis587/readings/id3-c45.html

Algumas destas implementações foram feitas por indivíduos, outras por professores, com fins acadêmicos e algumas por projetos de pesquisa, e são utilizadas tanto na academia como no mercado. Eles diferem em legibilidade, flexibilidade, formas de importar os dados, formas de avaliar os resultados e performance.

Na nossa opinião, a implementação do ID3 presente na biblioteca Weka é uma das mais interessantes a ser usada, por fazer parte de um framework que disponibiliza diversas ferramentas e utilitários para tratar e importar os dados e exibir e avaliar os resultados.

Atualmente há alguns algoritmos considerados como uma evolução do ID3, como o C4.5 por exemplo. Este em pesquisas e testes de desempenho como precisão e tempo de resposta, apresentou os melhores resultados, como os apresentados no artigo A comparative study of decision tree ID3 and C4.5