Data mining via redes neuronais artificiais e máquinas de vectores de suporte
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/1822/10825 |
Resumo: | Este artigo pretende esclarecer quais as vantagens de dois modelos não lineares de Data Mining: as Redes Neuronais Artificiais (RNA) e as Máquinas de Vectores de Suporte (MVS). Em particular, pretende-se medir o desempenho destas técnicas quando aplicadas a tarefas de classificação e regressão, comparando-as com outras técnicas (i.e. Árvores de Decisão/Regressão). Assim, fez-se uma análise de ferramentas de software que implementam os modelos referidos, tendo-se escolhido duas aplicações de utilização livre (i.e. o ambiente R e o Weka) para conduzir as experiências efectuadas. Foram utilizados diversos problemas do mundo real, sendo que os resultados obtidos revelam que as MVS obtêm em geral melhores previsões, sendo seguidas pelas RNA. |
id |
RCAP_e5111ba82f2adc0c4bca1e9edc649db9 |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/10825 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Data mining via redes neuronais artificiais e máquinas de vectores de suporteDescoberta de conhecimento em bases de dadosData miningRedes neuronais artificiaisMáquinas de vectores de suporteClassificaçãoRegressãoEste artigo pretende esclarecer quais as vantagens de dois modelos não lineares de Data Mining: as Redes Neuronais Artificiais (RNA) e as Máquinas de Vectores de Suporte (MVS). Em particular, pretende-se medir o desempenho destas técnicas quando aplicadas a tarefas de classificação e regressão, comparando-as com outras técnicas (i.e. Árvores de Decisão/Regressão). Assim, fez-se uma análise de ferramentas de software que implementam os modelos referidos, tendo-se escolhido duas aplicações de utilização livre (i.e. o ambiente R e o Weka) para conduzir as experiências efectuadas. Foram utilizados diversos problemas do mundo real, sendo que os resultados obtidos revelam que as MVS obtêm em geral melhores previsões, sendo seguidas pelas RNA.Este trabalho foi suportado pelo projecto FCT PTDC/EIA/64541/2006.Universidade do MinhoCruz, ArmandoCortez, Paulo2009-122009-12-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/1822/10825por“Tékhne : Revista de Estudos Politécnicos”. 12 (Dec. 2009) ISSN 1654-9911. 99-118.1654-9911info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:12:37Zoai:repositorium.sdum.uminho.pt:1822/10825Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:04:33.796322Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
title |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
spellingShingle |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte Cruz, Armando Descoberta de conhecimento em bases de dados Data mining Redes neuronais artificiais Máquinas de vectores de suporte Classificação Regressão |
title_short |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
title_full |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
title_fullStr |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
title_full_unstemmed |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
title_sort |
Data mining via redes neuronais artificiais e máquinas de vectores de suporte |
author |
Cruz, Armando |
author_facet |
Cruz, Armando Cortez, Paulo |
author_role |
author |
author2 |
Cortez, Paulo |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Universidade do Minho |
dc.contributor.author.fl_str_mv |
Cruz, Armando Cortez, Paulo |
dc.subject.por.fl_str_mv |
Descoberta de conhecimento em bases de dados Data mining Redes neuronais artificiais Máquinas de vectores de suporte Classificação Regressão |
topic |
Descoberta de conhecimento em bases de dados Data mining Redes neuronais artificiais Máquinas de vectores de suporte Classificação Regressão |
description |
Este artigo pretende esclarecer quais as vantagens de dois modelos não lineares de Data Mining: as Redes Neuronais Artificiais (RNA) e as Máquinas de Vectores de Suporte (MVS). Em particular, pretende-se medir o desempenho destas técnicas quando aplicadas a tarefas de classificação e regressão, comparando-as com outras técnicas (i.e. Árvores de Decisão/Regressão). Assim, fez-se uma análise de ferramentas de software que implementam os modelos referidos, tendo-se escolhido duas aplicações de utilização livre (i.e. o ambiente R e o Weka) para conduzir as experiências efectuadas. Foram utilizados diversos problemas do mundo real, sendo que os resultados obtidos revelam que as MVS obtêm em geral melhores previsões, sendo seguidas pelas RNA. |
publishDate |
2009 |
dc.date.none.fl_str_mv |
2009-12 2009-12-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1822/10825 |
url |
http://hdl.handle.net/1822/10825 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
“Tékhne : Revista de Estudos Politécnicos”. 12 (Dec. 2009) ISSN 1654-9911. 99-118. 1654-9911 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799132455987314688 |