Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Passinho, Francisco | - |
Autor(es): dc.creator | Cavique, Luís | - |
Data de aceite: dc.date.accessioned | 2022-02-15T14:11:08Z | - |
Data de disponibilização: dc.date.available | 2022-02-15T14:11:08Z | - |
Data de envio: dc.date.issued | 2021-12-21 | - |
Data de envio: dc.date.issued | 2021-12-21 | - |
Data de envio: dc.date.issued | 2021-11 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/10400.2/11549 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.34627/rcc.v16i0.265 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/10400.2/11549 | - |
Descrição: dc.description | O data mining é uma área multidisciplinar que tem como objetivo extrair e descobrir padrões em grandes grupos de dados através de algoritmos de inteligentes. Neste artigo, foi realizado um estudo de classificação de dois datasets amplamente usados na literatura: dados de reconhecimento de vinhos italianos e dados de diabetes de indígenas Pima. Foi realizada uma análise estatística dos dados e a respetiva classificação com vários algoritmos de classificação. Foram obtidos resultados semelhantes e em alguns casos superiores aos reportados na literatura. Os melhores classificadores foram as Florestas Aleatórias e as Redes Neuronais com valores de exatidão acima dos 80%. | - |
Descrição: dc.description | Data mining is a multidisciplinary area that aims to extract and find patterns in large groups of data using intelligent algorithms. In this paper, we performed a classification study of two widely used datasets in the literature: Italian wine recognition data and Pima indigenous diabetes data. A statistical analysis of the data and the respective classification was carried out with several classification algorithms. Similar results and, in some cases, better results were obtained when compared to those reported in the literature. The best classifiers were Random Forests and Neural Networks with accuracy values above 80%. | - |
Descrição: dc.description | info:eu-repo/semantics/publishedVersion | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Aberta | - |
Relação: dc.relation | https://journals.uab.pt/index.php/rcc/article/view/265 | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Classificação | - |
Palavras-chave: dc.subject | Prospeção de dados | - |
Palavras-chave: dc.subject | Classification | - |
Palavras-chave: dc.subject | Data mining | - |
Palavras-chave: dc.subject | ODS::04:Educação de Qualidade | - |
Título: dc.title | Prospeção de dados: classificação de dados de vinho e indígenas | - |
Título: dc.title | Data mining: classification of wine and pima indians datasets | - |
Tipo de arquivo: dc.type | livro digital | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Aberto - Universidade Aberta (Portugal) |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: