Fuzzy Convolution Neural Networks for Tabular Data Classification

Resumo Técnico: Redes Neurais Convolucionais Difusas para Classificação de Dados Tabulares

Declaração do Problema
Embora as Redes Neurais Convolucionais (CNNs) tenham alcançado sucesso notável na classificação de imagens e texto, sua aplicação a dados tabulares permanece pouco explorada e desafiadora. Dados tabulares carecem da estrutura de grade espacial inerente e das correlações locais encontradas em imagens, que as CNNs são projetadas para explorar. Abordagens tradicionais de aprendizado de máquina (por exemplo, Árvores de Decisão, SVMs, Florestas Aleatórias) frequentemente dependem de características manualmente criadas ou representações explícitas baseadas em regras. Por outro lado, as CNNs padrão lutam com dados tabulares devido à natureza não espacial das relações entre características, ao potencial de tamanhos pequenos de conjuntos de dados levando ao sobreajuste e à dificuldade em mapear vetores de características de comprimento variável para tensores de entrada de tamanho fixo exigidos pelas camadas convolucionais. Além disso, a natureza de "caixa preta" do aprendizado profundo frequentemente conflita com as necessidades de interpretabilidade de domínios de dados estruturados como finanças e medicina.

Metodologia
O artigo propõe uma nova estrutura, a Rede Neural Convolucional Difusa (FCNN), projetada para preencher a lacuna entre a lógica difusa e o aprendizado profundo para dados tabulares. A metodologia envolve um pipeline de três etapas:

1. Fuzzificação: Valores brutos de características de um vetor tabular são mapeados para valores de pertinência difusa. Os autores utilizam cinco conjuntos de termos (muito_baixo, baixo, médio, alto, muito_alto) representados por funções de pertinência trapezoidais. Esta etapa converte dados numéricos precisos em graus de pertinência difusa, introduzindo uma camada de tratamento de incerteza e robustez ao ruído.
2. Conversão para Imagem: Os vetores de características fuzzificados são transformados em imagens 2D adequadas para processamento por CNN. Neste mapeamento, cada característica é atribuída a uma linha, e os cinco conjuntos de termos correspondem às colunas. A imagem resultante consiste em uma grade de formas quadradas onde a área de cada quadrado é proporcional ao valor de pertinência difusa correspondente. Isso cria uma representação visual do vetor de características onde padrões locais podem ser extraídos por kernels convolucionais.
3. Classificação por Aprendizado Profundo: As imagens geradas são alimentadas em arquiteturas pré-existentes de Redes Neurais Convolucionais Profundas (DCNN). O estudo implementa dois modelos específicos: AlexNet e ResNet-50. Esses modelos são treinados nos conjuntos de dados de imagens gerados para aprender representações hierárquicas e realizar classificação.

Principais Contribuições

• Arquitetura Inovadora: A introdução da arquitetura FCNN, que aborda especificamente o desafio de aplicar CNNs a dados tabulares estruturados, aproveitando a lógica difusa para criar representações de imagens espacialmente significativas.
• Estratégia de Transformação de Dados: Um método específico para mapear vetores de características em imagens usando valores de pertinência difusa representados por formas geométricas (quadrados), diferenciando-se de abordagens anteriores que dependiam de razões de características ou técnicas complexas de incorporação.
• Avaliação Abrangente: Uma análise comparativa rigorosa contra algoritmos de aprendizado de máquina do estado da arte, incluindo Árvores de Decisão (DT), Máquinas de Vetor de Suporte (SVM), Classificadores Bayesianos, Florestas Aleatórias (RF) e Redes Neurais Difusas (FNN).

Resultados Experimentais
Os autores avaliaram a estrutura FCNN em seis conjuntos de dados artificialmente gerados, complexos e ruidosos, não linearmente separáveis: Half Kernel, Two Spirals, Cluster-in-Cluster, Crescent Moon, Corners e Outliers. Cada conjunto de dados continha 400 amostras (70% para treinamento, 30% para teste).

• Desempenho: Os modelos FCNN propostos (usando tanto AlexNet quanto ResNet-50) alcançaram 100% de precisão nos conjuntos de dados Two Spirals, Cluster-in-Cluster, Crescent Moon e Corners. Nos conjuntos de dados Half Kernel e Outliers, alcançaram 99,19% e 99,17% de precisão, respectivamente.
• Comparação: Os modelos FCNN consistentemente superaram ou igualaram o desempenho de algoritmos tradicionais de aprendizado de máquina. Por exemplo, enquanto a Floresta Aleatória alcançou 95% de precisão no conjunto de dados Two Spirals, a FCNN atingiu 100%. Em contraste, SVM e classificadores Bayesianos lutaram com certos conjuntos de dados (por exemplo, a SVM caiu para 56,67% em Cluster-in-Cluster), enquanto a FCNN manteve 100%.
• Eficiência: Os tempos de treinamento foram registrados em um desktop com um processador dual Pentium. A AlexNet exigiu aproximadamente 4 minutos e 50 segundos por conjunto de dados, enquanto a ResNet-50 mais profunda exigiu cerca de 78 minutos. Os autores observam que os tempos de execução poderiam ser reduzidos usando estações de trabalho aceleradas por GPU.

Significado e Alegações
O artigo alega que o modelo FCNN oferece uma alternativa viável para classificação de dados tabulares, demonstrando com sucesso que técnicas de aprendizado profundo podem ser adaptadas para dados estruturados quando combinadas com lógica difusa. Os autores argumentam que sua abordagem aprende efetivamente representações significativas a partir de dados tabulares, alcançando desempenho competitivo ou superior em comparação com métodos existentes.

No entanto, o artigo mantém uma postura modesta quanto a limitações e trabalhos futuros. Os autores reconhecem que a abordagem é atualmente mais adequada para conjuntos de dados com um pequeno número de características, pois o número de formas na imagem mapeada é proporcional ao produto do número de características e conjuntos de termos, o que é limitado por tamanhos de imagem finitos. O trabalho futuro delineado pelos autores inclui:

• Eliminar o armazenamento intermediário "Datamart" alimentando imagens diretamente nas DCNNs.
• Experimentar diferentes formas morfológicas (circular, hexagonal, etc.) para as imagens mapeadas.
• Avaliar outras funções de pertinência (Gaussiana, triangular) e arquiteturas DCNN (VGG-16, GoogleNet).
• Implantar o modelo em aplicações do mundo real.

O estudo conclui que, embora desafios permaneçam, a estrutura FCNN proposta promete desbloquear novas oportunidades para aproveitar o aprendizado profundo na análise de dados estruturados.