A abordagem de conjuntos aproximados baseada em dominância (DRSA) é uma metodologia de análise de decisão e mineração de dados que estende a teoria clássica de conjuntos aproximados para lidar com dados que possuem atributos e classes de decisão ordenados por preferência. Ela foi introduzida no final da década de 1990 por Roman Słowiński e seus colaboradores como uma resposta às limitações do modelo original de conjuntos aproximados, que assumia que todos os atributos são nominais e que as classes de decisão não são ordenadas. A DRSA substitui a relação de indiscernibilidade dos conjuntos aproximados clássicos por uma relação de dominância, permitindo capturar as relações monotônicas entre valores de atributos e resultados de decisão que são comuns na análise de decisão multicritério, como na avaliação de risco de crédito, desempenho de fornecedores ou prognóstico médico.
Na DRSA, os objetos são descritos por um conjunto de atributos de condição (critérios) e um atributo de decisão que particiona o universo em classes de decisão. Diferentemente dos conjuntos aproximados clássicos, onde classes de equivalência são formadas por objetos com valores de atributos idênticos, a DRSA forma cones de dominância: para cada objeto, as uniões ascendentes e descendentes das classes de decisão são aproximadas usando a relação de dominância. A aproximação inferior de uma união ascendente contém objetos que são certamente classificados como pertencentes a pelo menos uma classe dada, enquanto a aproximação superior contém objetos que são possivelmente classificados como tal. A região de fronteira, definida como a diferença entre as aproximações superior e inferior, captura objetos para os quais a classificação é incerta devido a inconsistências nos dados.
O resultado central da DRSA é um conjunto de regras de decisão, tipicamente da forma "se o atributo A é pelo menos o valor x e o atributo B é no máximo o valor y, então o objeto pertence a pelo menos a classe z". Essas regras são geradas a partir das aproximações inferiores e são caracterizadas por serem tanto mínimas quanto exaustivas, ou seja, cobrem todas as atribuições certas sem redundância. As regras são particularmente úteis para explicar decisões às partes interessadas, pois são interpretáveis e podem ser validadas contra o conhecimento de domínio. A DRSA também fornece medidas de qualidade das regras, como suporte, confiança e cobertura, que ajudam na seleção das regras mais relevantes para uma aplicação específica.
Desenvolvimento Histórico e Fundamentos Teóricos
A teoria clássica de conjuntos aproximados foi proposta por Zdzisław Pawlak em 1982 como uma ferramenta matemática para raciocinar sobre informações imprecisas ou incompletas. No modelo de Pawlak, a relação de indiscernibilidade particiona o universo em classes de equivalência, e as aproximações são definidas usando essas classes. No entanto, esse modelo não leva em conta a ordem dos valores dos atributos, o que é crítico em muitos problemas do mundo real onde os critérios são medidos em escalas ordinais. Em 1999, Słowiński e seus colegas introduziram a DRSA em uma série de artigos, formalizando o uso de relações de dominância para substituir a indiscernibilidade. A abordagem foi posteriormente estendida para lidar com valores ausentes, consistência variável e preferências fuzzy, levando a variantes como a DRSA de consistência variável (VC-DRSA) e a DRSA fuzzy.
O fundamento teórico da DRSA está enraizado no conceito de monotonicidade, que assume que se um objeto tem melhores valores em todos os critérios do que outro objeto, então ele não deve ser classificado em uma classe de decisão pior. Essa suposição de monotonicidade é uma adaptação natural para muitos problemas de decisão, como avaliar a capacidade de crédito de um mutuário, onde maior renda e menor dívida são preferidos. A DRSA formaliza isso definindo uma relação de dominância que é reflexiva, transitiva e antissimétrica, e usando essa relação para construir as aproximações das classes de decisão. A abordagem também se conecta à teoria da análise de decisão multicritério, particularmente aos métodos de superação das famílias ELECTRE e PROMETHEE, mas difere ao fornecer um mecanismo puramente orientado por dados para indução de regras, sem exigir que o tomador de decisão especifique parâmetros de preferência.
Implementação Algorítmica e Variantes
A implementação da DRSA envolve várias etapas computacionais. Primeiro, o conjunto de dados é pré-processado para identificar os atributos de condição e o atributo de decisão, e as classes de decisão são ordenadas. Em seguida, para cada objeto, os cones de dominância são calculados, o que requer comparar o objeto com todos os outros no conjunto de dados. As aproximações inferior e superior são então derivadas verificando se os cones de dominância estão contidos nas uniões das classes de decisão. A complexidade desse processo é O(n^2) no número de objetos, o que pode ser proibitivo para grandes conjuntos de dados, mas otimizações como ordenação e indexação foram propostas para reduzir o fardo computacional.
Uma variante chave é a DRSA de consistência variável, que relaxa a condição estrita de dominância ao permitir que uma certa porcentagem de objetos na aproximação inferior viole a suposição de monotonicidade. Isso é útil em dados ruidosos onde a monotonicidade perfeita é rara. Outra variante, a DRSA fuzzy, estende a relação de dominância a conjuntos fuzzy, permitindo graus de pertinência nas aproximações. Além disso, a DRSA foi integrada com técnicas de Machine learning, como classificação baseada em Artificial intelligence e métodos de Data Augmentation, para melhorar a geração de regras e lidar com dados de alta dimensionalidade. Implementações de software estão disponíveis no pacote R 'RoughSets' e no ambiente WEKA baseado em Java, tornando a DRSA acessível aos profissionais.
Aplicações em Suporte à Decisão
A DRSA foi aplicada em uma ampla gama de domínios onde dados ordenados e modelagem de preferências são essenciais. Em finanças, é usada para pontuação de crédito e previsão de falência, onde as classes de decisão são ordenadas de baixo a alto risco. Em medicina, a DRSA apoia diagnóstico e prognóstico ao analisar dados de pacientes com indicadores clínicos ordinais, como estágios de gravidade da doença. Em engenharia, auxilia no controle de qualidade e avaliação de risco, por exemplo, na avaliação da confiabilidade de processos de manufatura. A abordagem também foi usada em gestão ambiental para classificar estratégias de remediação com base em múltiplos critérios, e em gestão de recursos humanos para selecionar candidatos com base em métricas de desempenho ordenadas.
Uma aplicação notável está no campo de Generative AI e avaliação de Large language model, onde a DRSA pode ser usada para analisar dados de preferência humana. Por exemplo, ao treinar modelos com aprendizado por reforço a partir de feedback humano (RLHF), pesquisadores coletam comparações pareadas de saídas de modelos, que são inerentemente ordenadas. A DRSA pode extrair regras que explicam por que certas saídas são preferidas, fornecendo insights sobre o modelo de recompensa subjacente. Isso se alinha com a tendência mais ampla de usar modelos interpretáveis para auditar e entender sistemas complexos de Neural network, como defendido por pesquisadores como Aleksander Madry e Carlos Guestrin.
Comparação com Outras Abordagens
A DRSA é frequentemente comparada com conjuntos aproximados clássicos, métodos de Decision Trees e abordagens estatísticas como regressão logística. Diferentemente dos conjuntos aproximados clássicos, a DRSA lida explicitamente com ordem e monotonicidade, tornando-a mais adequada para problemas baseados em preferência. Comparada a árvores de decisão, que particionam o espaço de características usando divisões alinhadas aos eixos, a DRSA gera regras baseadas em cones de dominância, que podem capturar interações mais complexas entre critérios. No entanto, árvores de decisão são geralmente mais escaláveis para conjuntos de dados muito grandes, enquanto a complexidade O(n^2) da DRSA pode ser um gargalo. Em contraste com a regressão logística, que assume uma relação linear entre preditores e resultados, a DRSA é não paramétrica e não requer suposições distribucionais, tornando-a mais robusta a outliers e padrões não lineares.
Outra metodologia relacionada é o processo de hierarquia analítica (AHP), que depende de comparações pareadas por especialistas, enquanto a DRSA é puramente orientada por dados. A DRSA também compartilha semelhanças com os métodos de superação na análise de decisão multicritério, mas não requer a especificação de limiares ou pesos, que são frequentemente difíceis de elicitar. Isso torna a DRSA particularmente atraente para aplicações onde os dados são abundantes, mas o conhecimento especializado é limitado, como em sistemas automatizados de suporte à decisão integrados com plataformas de computação em nuvem como Amazon Web Services ou Microsoft Azure.
Limitações e Direções Futuras
Apesar de seus pontos fortes, a DRSA tem limitações. A suposição de monotonicidade pode não se manter em todos os dados do mundo real, e a variante de consistência variável exige que o usuário defina um limiar de consistência, que pode ser subjetivo. A complexidade computacional da DRSA limita sua escalabilidade para conjuntos de dados muito grandes, embora implementações paralelas em clusters de GPU (in AI) ou usando hardware AWS Trainium estejam sendo exploradas. Além disso, as regras da DRSA podem se tornar numerosas e redundantes, exigindo pós-processamento para simplificar o conjunto de regras. Direções futuras de pesquisa incluem integrar a DRSA com modelos de Deep learning para lidar com dados não estruturados, como imagens ou texto, e desenvolver algoritmos de aprendizado online que atualizem regras incrementalmente à medida que novos dados chegam. A abordagem também está sendo estendida para lidar com classificação multi-rótulo e incorporar quantificação de incerteza, o que é crítico para decisões de alto risco em saúde e finanças.
Em resumo, a abordagem de conjuntos aproximados baseada em dominância fornece uma estrutura robusta e interpretável para analisar dados ordenados, preenchendo a lacuna entre conjuntos aproximados clássicos e análise de decisão multicritério. Sua capacidade de gerar regras legíveis por humanos a partir de dados a torna uma ferramenta valiosa no panorama mais amplo de Artificial intelligence e Machine learning, particularmente para aplicações que exigem transparência e responsabilidade.