A comparative study on classic machine learning and fuzzy approaches for classification problems

A large variety of machine learning algorithms for classification problems have been proposed in the literature. Fuzzy methods have also been proposed presenting good results for classification problems. However, papers presenting comparisons between the results of those two communities are rare. Thus, this paper aims at presenting and comparing a few classic machine learning approaches for classification tasks (J4.8, Multilayer Perceptron, Naive Bayes, OneRule, and ZeroRules) and two fuzzy methods (DoC-Based and Wang & Mendel). These initial experiments were carried out using 4 datasets. The methods were compared in terms of the error rates and also the number of rules (for the rule-based methods only). Resumo. Um grande número de algoritmos de aprendizado de máquina voltados para tarefas de classificação tem sido propostos na literatura. Também foram propostos métodos baseados na lógica fuzzy que apresentam bons resultados para tarefas de classificação. Entretanto, é raro encontrar-se publicações contendo comparações de métodos das duas áreas. Dessa forma, este trabalho tem como objetivo apresentar e comparar alguns métodos clássicos de aprendizado de máquina para classificação (J4.8, Multilayer Perceptron, Naive Bayes, OneRule e ZeroRules) e dois métodos baseados na lógica fuzzy (DoCBased e Wang & Mendel). Os experimentos iniciais foram realizados usando-se 4 bases de dados. Os métodos foram avaliados em termos das taxas de erro e do número de regras (apenas para os métodos baseados em regras).