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 | Gomes Junior, Luiz Celso | - |
Autor(es): dc.contributor | Gomes Junior, Luiz Celso | - |
Autor(es): dc.contributor | Buiar, José Antonio | - |
Autor(es): dc.contributor | Benghi, Felipe Marx | - |
Autor(es): dc.creator | Faria, Rodrigo | - |
Autor(es): dc.creator | Colli, Tiago | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:52:43Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:52:43Z | - |
Data de envio: dc.date.issued | 2024-09-27 | - |
Data de envio: dc.date.issued | 2024-09-27 | - |
Data de envio: dc.date.issued | 2021-12-07 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/34910 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1103506 | - |
Descrição: dc.description | Outlier detection has been used to detect and, if appropriate, remove anomalous observations from the data. Its usability can identify system failures and frauds before they escalate with potentially huge consequences. One ramification of the contribution made by the outlier detection field is related to understanding which aspects of the anomalous observation significantly separate it from the others in a given dataset. This area of research has been called Outlier Aspect Mining (OAM). Promising results and applications and cases have been presented by the community. With this in mind, the objective of this paper is to contribute to OAM research in a practical way. We developed a Python library that allows the user to apply Outlier Aspect Mining algorithms and analyze the results in their own datasets. The source code is made available to the community not only to use but also to extend as wished. The library was tested on economic market data and also evaluated by an end user. | - |
Descrição: dc.description | A detecção de outliers tem sido usada para detectar e, quando apropriado, remover observa- ções anômalas dos dados. Sua utilização pode identificar falhas e fraudes no sistema antes que as mesmas resultem em consequências potencialmente graves, entre diversas outras aplicações. Uma ramificação da contribuição dada pela detecção de outliers está relacionada a entender quais os aspectos da observação anômala a separam significativamente das demais. Essa área de pesquisa t em sido denominada Outlier Aspect Mining (OAM). Apesar de ser um tópico novo e com poucas pesquisas desenvolvidas, resultados e aplicações promissoras têm sido apresentados pela comunidade. Tendo isso em vista, o objetivo deste trabalho será contribuir com as pesquisas de OAM de forma prática. Foi produzida uma biblioteca em Python que possibilita o usuário aplicar algoritmos de Outlier Aspect Mining e analisar os resultados em suas próprias massas de dados. O código fonte está disponível para a comunidade não apenas utilizá-lo, mas também estendê-lo como desejar. A biblioteca foi testada em dados do mercado econômico e também avaliada por um usuário final. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Sistemas de Informação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
Palavras-chave: dc.subject | Python (Linguagem de programação de computador) | - |
Palavras-chave: dc.subject | Algorítmos | - |
Palavras-chave: dc.subject | Processamento eletrônico de dados - Análise | - |
Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
Palavras-chave: dc.subject | Python (Computer program language) | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Electronic data processing - Analysis | - |
Palavras-chave: dc.subject | Data mining | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO | - |
Título: dc.title | Biblioteca em Python para explicabilidade de anomalias | - |
Título: dc.title | Python library for explanability of anomalies | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: