Aplicação de técnicas de Machine Learning na combinação de pesquisas eleitorais

• Autor(a) principal: Silva, Jefferson Barbosa da
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/34315
• topic: Ciências Exatas e da Terra; Support Vector Machines; Random Forest; Machine Learning

As pesquisas eleitorais brasileiras são feitas, em sua grande maioria, a partir de um plano amostral não-probabilístico por cotas. Sendo assim, há um acumulo de incertezas quanto às estimativas obtidas, visto que não há como garantir que a margem de erro está sendo respeitada e não há como calcular os intervalos de confiança. Como forma de reduzir o erro na estimação da intenção de votos, este trabalho propõe o uso de técnicas de Machine Learning para combinar pesquisas eleitorais. Foram utilizadas as pesquisas eleitorais para o primeiro turno da eleição presidencial de 2014 no Brasil, divulgadas pelos institutos Datafolha, Ibope, MDA, Sensus e Vox Populi. As combinações foram feitas utilizando a Regressão Local, Random Forest e Support Vector Machine (SVM). Com excessão do Random Forest e do SVM com kernel linear, as demais técnicas se apresentaram como boas opções para combinar as pesquisas eleitorais.