A Probability-estimation-based Strategy to Optimize the Classification Rule Set Extracted from Bayesian Network Classifiers

This paper describes the modeling of a biomass-based weed-crop competitiveness classification process based on classification rules extracted from Bayesian network classifiers. Two Bayesian network classifiers are employed, namely an unrestricted Bayesian network classifier and a näıve Bayes classifier. The BayesRule algorithm is then used to extract a set of rules from each Bayesian network classifier. In the sequel, the class probability estimate is used as a pruning strategy to optimize each rule set. Results concerning the performance and adequacy of the proposed pruning strategy are presented and discussed for comparison purposes. Resumo— Este trabalho descreve a modelagem de um processo de classificação da competitividade entre plantas daninhas e cultura considerando a biomassa das plantas. O processo é baseado em regras extráıdas de redes Bayesianas de classificação. Duas redes Bayesianas de classificação são empregadas, sendo uma rede de classificação Bayesiana irrestrita e uma rede näıve Bayes. O algoritmo BayesRule é então usado para extrair um conjunto de regras a partir de cada uma das redes. Em seguida, a estimativa da probabilidade da classe é usada como estratégia de poda para otimizar cada conjunto de regras. Resultados referentes ao desempenho e adequação da estratégia de poda proposta são apresentados e discutidos para fim de comparação.