Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau

Detalhes bibliográficos
Autor(a) principal: Dias, Bruna Baldini
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc)
Texto Completo: http://repositorio.unesc.net/handle/1/8150
Resumo: Trabalho de Conclusão de Curso, apresentado para obtenção do grau de bacharel no curso de Ciência da Computação da Universidade do Extremo Sul Catarinense, UNESC.
id UNESC-1_05bbdcc73744d01a56f9af0ed1fdbd84
oai_identifier_str oai:repositorio.unesc.net:1/8150
network_acronym_str UNESC-1
network_name_str Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc)
repository_id_str
spelling Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de BlumenauAprendizado de máquinaData miningAlgoritmos bayesianosNaïve BayesRede de crenças bayesianaTrabalho de Conclusão de Curso, apresentado para obtenção do grau de bacharel no curso de Ciência da Computação da Universidade do Extremo Sul Catarinense, UNESC.Com a crescente quantidade de dados, surgiu a demanda de novos métodos para a análise destes. Para resolver este problema, originou-se o data mining, que consiste em várias tarefas e técnicas para analisar grandes quantidades de dados e descobrir novas informações e conhecimento ocultados nestes. Uma das tarefas de data mining é a classificação, uma forma supervisionada de aprendizado de máquina que atribui um objeto à uma classe pré-definida dentro de um conjunto. A tarefa de classificação consiste em duas etapas: a fase de treinamento, onde um modelo é construído a partir de um conjunto de dados reservados para esta etapa; e a fase de teste, onde ocorre a validação do modelo obtido na etapa anterior em um conjunto de dados desconhecido. Há vários algoritmos disponíveis para a realização da classificação. Esta pesquisa consiste na identificação de um modelo de predição de período chuvoso na cidade de Blumenau por meio da tarefa de classificação bayesiana. Os algoritmos empregados são o Naive Bayes e o de Redes de Crença. O algoritmo Naïve Bayes determina a probabilidade condicional das classes assumindo que os atributos sejam condicionalmente independentes uns dos outros. O algoritmo de rede de crenças apresenta os resultados de forma gráfica, por meio de um grafo acíclico direcionado. A ferramenta de data mining escolhida para a realização desta pesquisa foi o Weka 3.8, por possuir licença gratuita e apresentar os algoritmos necessários. Os dados empregados foram disponibilizados pela Agência Nacional das Águas na ferramenta Hidroweb. O conjunto é constituído de dados pluviométricos coletados na estação do bairro Itoupava Central na cidade de Blumenau. O modelo gerado pelo algoritmo Naïve Bayes obteve uma acurácia de 85,36% na fase de teste, enquanto o algoritmo de rede de crenças obteve uma acurácia de 89,57%. Após a aplicação das medidas de qualidade para classificadores em data mining e a comparação dos mesmos, conclui-se que o modelo gerado pelo algoritmo de rede de crenças possui melhor acurácia e resultados superiores nas demais medidas de qualidade para classificadores empregadas, como a taxa de erro, Area Under Curve, estatística kappa, proporção de falsos positivos, proporção de falsos negativos, sensibilidade, especificidade, precisão e F-score.Garcia, Merisandra Côrtes de MattosDias, Bruna Baldini2021-05-05T21:30:01Z2021-05-05T21:30:01Z2018-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://repositorio.unesc.net/handle/1/8150Universidade do Extremo Sul Catarinenseporreponame:Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc)instname:Universidade do Extremo Sul Catarinense (Unesc)instacron:UNESCinfo:eu-repo/semantics/openAccess2021-05-05T21:30:05Zoai:repositorio.unesc.net:1/8150Repositório InstitucionalPUBhttp://repositorio.unesc.net/oai/requestrepositorio@unesc.net.opendoar:2021-05-05T21:30:05Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc) - Universidade do Extremo Sul Catarinense (Unesc)false
dc.title.none.fl_str_mv Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
title Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
spellingShingle Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
Dias, Bruna Baldini
Aprendizado de máquina
Data mining
Algoritmos bayesianos
Naïve Bayes
Rede de crenças bayesiana
title_short Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
title_full Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
title_fullStr Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
title_full_unstemmed Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
title_sort Os métodos bayesianos de aprendizado de máquina pelos algoritmos naïve bayes e redes de crença na predição de período chuvoso na cidade de Blumenau
author Dias, Bruna Baldini
author_facet Dias, Bruna Baldini
author_role author
dc.contributor.none.fl_str_mv Garcia, Merisandra Côrtes de Mattos
dc.contributor.author.fl_str_mv Dias, Bruna Baldini
dc.subject.por.fl_str_mv Aprendizado de máquina
Data mining
Algoritmos bayesianos
Naïve Bayes
Rede de crenças bayesiana
topic Aprendizado de máquina
Data mining
Algoritmos bayesianos
Naïve Bayes
Rede de crenças bayesiana
description Trabalho de Conclusão de Curso, apresentado para obtenção do grau de bacharel no curso de Ciência da Computação da Universidade do Extremo Sul Catarinense, UNESC.
publishDate 2018
dc.date.none.fl_str_mv 2018-12
2021-05-05T21:30:01Z
2021-05-05T21:30:01Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.unesc.net/handle/1/8150
url http://repositorio.unesc.net/handle/1/8150
dc.language.iso.fl_str_mv por
language por
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.coverage.none.fl_str_mv Universidade do Extremo Sul Catarinense
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc)
instname:Universidade do Extremo Sul Catarinense (Unesc)
instacron:UNESC
instname_str Universidade do Extremo Sul Catarinense (Unesc)
instacron_str UNESC
institution UNESC
reponame_str Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc)
collection Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc)
repository.name.fl_str_mv Repositório Institucional da Universidade do Extremo Sul Catarinense (Unesc) - Universidade do Extremo Sul Catarinense (Unesc)
repository.mail.fl_str_mv repositorio@unesc.net.
_version_ 1825243441628446720

Registros relacionados