Análise de sensibilidade paramétrica do algorítmo Knnimpute

Abstract

Um dos problemas que afetam os bancos de dados sãos os dados faltantes. Para a resolução de tal problema existem diversos métodos de tratamento e um deles é a imputação de dados, que foi o foco deste presente trabalho, no qual foi utilizado um algoritmo específico para imputação, chamado KNNIMPUTE, implementado dentro do software Matlab R2010a. O algoritmo citado possui parâmetros variáveis que são a métrica de distância e o valor de k vizinhos mais próximos ao dado faltante, utilizados para calcular o elemento a ser imputado. O objetivo central deste trabalho foi encontrar quais as variáveis de métrica de distância e valor de k, dentro do algoritmo KNNIMPUTE, que obteriam os melhores resultados de imputação. Utilizando-se de uma metodologia experimental, foram realizados seguidos experimentos com diferentes bases, dentro do software Matlab R2010a, efetuando-se alterações nos parâmetros de métrica de distância e valor de k. Na medição da acurácia de imputação, foram utilizados os critério da raiz quadrada do erro quadrático médio (RMSE, do inglês Root Mean Square Error) e do erro absoluto médio (MAE, do inglês Mean Absolute Error), em que menores valores de MAE e RMSE indicam uma maior acurácia. Após a realização dos experimentos, concluiu-se que a métrica de distância cosine e o valor de k=5, foram os parâmetros que trouxeram os melhores resultados para as bases utilizadas, sendo essa configuração, apenas uma sugestão para início de um processo de imputação, utilizando o algoritmo KNNIMPUTE, não uma regra geral.