Quantification is a prosperous research topic that estimates the class prevalences in a test sample. Quantification and classification share several similarities. For instance, the most straightforward (yet biased) quantification method, Classify & Count (CC), utilizes a classifier to predict the class of each instance in a sample and compute the class ratios. However, CC presents a systematic error that grows as the class distribution shifts from a distribution it optimally quantifies. This issue has motivated quantification researchers to propose more reliable counting methods. Such proposals mostly outperform the CC method but are significantly more inefficient during inference. Nonetheless, the rapid inference time is vital for numerous applications. For instance, sensor data, tweets analysis, and news feeding need to process fast-paced streams or a large volume of data. This thesis investigates and proposes a highly efficient quantification algorithm capable of processing vast volumes of data typically required by Big Data and Data Stream applications. Our main technical contribution is Sample Mean Matching (SMM), a quantifier able to count a billion instances per second with state-of-the-art accuracy. Moreover, the performance of quantification methods varies with the changes in test set size, distribution shift, and balanced or imbalanced training data cases. Therefore, we integrate different setups from the literature and recommend a comprehensive experimental setup for assessing the quantifiers performances.

A quantificação é um tópico de pesquisa próspero que estima as prevalências de classe em uma amostra de teste. Quantificação e classificação compartilham várias semelhanças. Por exemplo, o método de quantificação mais simples (ainda que tendencioso), Classifica & Conta (CC), utiliza um classificador para prever a classe de cada instância em uma amostra e calcular as proporções das classes. No entanto, CC apresenta um erro sistemático que cresce à medida que a distribuição de classe se distancia de uma distribuição que ela quantifica de maneira ideal. Esta questão tem motivado pesquisadores em quantificação a propor métodos de contagem mais confiáveis. Tais propostas superam o método CC, mas são significativamente mais ineficientes durante a inferência. No entanto, o tempo de inferência rápido é vital para inúmeras aplicações. Por exemplo, dados de sensores, análise de tweets e feed de notícias precisam processar fluxos rápidos ou um grande volume de dados. Esta tese investiga e propõe um algoritmo de quantificação altamente eficiente capaz de processar grandes volumes de dados normalmente requeridos por aplicações de Big Data e fluxo de dados. Nossa principal contribuição técnica é o Sample Mean Matching (SMM), um quantificador capaz de contar um bilhão de instâncias por segundo com precisão similar ao estado-da-arte. Além disso, o desempenho dos métodos de quantificação varia com as mudanças no tamanho do conjunto de teste, mudança de distribuição e casos de dados de treinamento equilibrados ou desequilibrados. Portanto, integramos diferentes configurações da literatura e recomendamos uma configuração experimental abrangente para avaliar os desempenhos de quantificares.