Potencial de técnicas de mineração de dados para modelos de alerta da ferrugem do cafeeiro.

Resumo. Este trabalho procurou avaliar o potencial de técnicas de mineração de dados no desenvolvimento de modelos de alerta da ferrugem do cafeeiro. Foram avaliadas quatro técnicas: Redes Neurais Artificiais, Árvores de Decisão, Support Vector Machines e Random Forest. A avaliação dos modelos gerados mostrou que as duas últimas técnicas geram modelos com maior taxa de acerto e melhores medidas de sensitividade e especificidade. As Redes Neurais Artificiais geraram modelos com alto valor de sensitividade, enquanto que as Árvores de Decisão obtiveram desempenho inferior quando comparadas às demais técnicas. O balanceamento de classes se mostrou um procedimento fundamental na melhora da taxa de acerto dos modelos.

Bibliographic Details

Main Authors:	DI GIROLAMO NETO, C., RODRIGUES, L. H. A., THAMADA, T. T., MEIRA, C. A. A.
Other Authors:	CESARE DI GIROLAMO NETO, Colaborador CNPTIA; LUIZ HENRIQUE ANTUNES RODRIGUES, Feagri/Unicamp; THIAGO TOSHIYUKI THAMADA, Colaborador CNPTIA; CARLOS ALBERTO ALVES MEIRA, CNPTIA.
Format:	Anais e Proceedings de eventos biblioteca
Language:	pt_BR por
Published:	2013-11-21
Subjects:	Mineração de dados, Modelos de alerta, Ferrugem do cafeeiro, Redes neurais, Árvore de decisão, Data mining, Decision tree, Random forest, Coffee rust., Neural networks, support vector machines.,
Online Access:	http://www.alice.cnptia.embrapa.br/alice/handle/doc/971782
Tags:	Add Tag No Tags, Be the first to tag this record!