Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Taconeli, Cesar Augusto, 1980- | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
Autor(es): dc.creator | Cardoso, Gabriel Martelosso | - |
Data de aceite: dc.date.accessioned | 2025-09-01T12:53:40Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T12:53:40Z | - |
Data de envio: dc.date.issued | 2024-10-21 | - |
Data de envio: dc.date.issued | 2024-10-21 | - |
Data de envio: dc.date.issued | 2023 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/90357 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/90357 | - |
Descrição: dc.description | Orientador: Prof. Cesar Augusto Taconeli | - |
Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science e Big Data | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Resumo: Este trabalho investiga a eficácia do método de particionamento recursivo baseado em modelo (MOB) e sua expansão através de florestas aleatórias (MOB-RF) enquanto modelos preditivos. Avaliamos esses métodos em duas bases de dados distintas: Incidência de Diabetes (classificação) e Boston Housing (regressão). Os resultados indicam que MOB e MOB-RF são altamente eficazes, apresentando desempenho competitivo em várias métricas-chave. A análise também sugere que a adição da estrutura de random forest contribui fortemente na robustez do modelo. | - |
Descrição: dc.description | Abstract: This study investigates the effectiveness of the Model-Based Recursive Partitioning (MOB) method and its extension through Random Forests (MOB-RF) as predictive models. We evaluate these methods on two distinct datasets: Diabetes Incidence (classification) and Boston Housing (regression). The results indicate that MOB andMOB-RF are highly effective, showing competitive performance across various key metrics. The analysis also suggests that the incorporation of the random forest structure significantly enhances the model’s robustness. | - |
Formato: dc.format | 1 recurso online : PDF. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Particionamento | - |
Palavras-chave: dc.subject | Análise preditiva | - |
Palavras-chave: dc.subject | Diabetes | - |
Título: dc.title | Avaliação do particionamento recursivo baseado em Modelo para Predição | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
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: