Proposta de dois métodos semi-supervisionados baseados na Máquina de Aprendizagem Mínima utilizando Co-Training

O aprendizado semi-supervisionado e um importante ramo de aprendizado de maquina, que combina dados rotulados com dados nao rotulados, tendo ganho bastante atencao da comunidade academica nos ultimos anos. Isso se deve principalmente a grande quantidade de dados disponiveis e o trabalho necessario para rotular estes dados, tornando o aprendizado semi-supervisionado uma metodologia atrativa por necessitar de uma quantidade relativamente reduzida de dados rotulados. Acerca das diversas abordagens de aprendizado semi-supervisionado, Co-Training tem se tornado popular devido a sua formulacao simples e resultados promissores em diferentes areas. Neste trabalho propoem-se Co-MLM, um metodo semi-supervisionado que utiliza o recente metodo supervisionado Maquina de Aprendizagem Minima, do ingles Minimal Learning Machine (MLM) em conjunto com a metodologia Co-Training. Alem disso, propoem-se tambem uma versao rapida deste mesmo metodo, nomeada de Fast Co-MLM, usando como classificador base NN-MLM, uma variante do MLM. Ambos os metodos foram comparados utilizando conjuntos de dados proveniente dos repositorios UCI, UCF e DataGov, demonstrando capacidade de aprender sobre dados nao rotulados, alem de resultados promissores quando comparados com outros algoritmos baseados em Co-Training.