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.contributor | Kubrusly, Jessica Quintanilha | - |
Autor(es): dc.contributor | Kubrusly, Jessica Quintanilha | - |
Autor(es): dc.contributor | Santos, Hugo Henrique Kegler dos | - |
Autor(es): dc.contributor | Yaginuma, Karina Yuriko | - |
Autor(es): dc.contributor | Kubrusly, Jessica Quintanilha | - |
Autor(es): dc.creator | PORTO, PAULO VICTOR CUNHA | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:28:03Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:28:03Z | - |
Data de envio: dc.date.issued | 2022-09-06 | - |
Data de envio: dc.date.issued | 2022-09-06 | - |
Data de envio: dc.date.issued | 2020 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/26209 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/771135 | - |
Descrição: dc.description | Este trabalho analisou o desempenho de 06 diferentes modelos estatísticos em um problema de classificação de tumores entre malignos e benignos a partir de informações extraídas de exames de imagem. Os métodos utilizados foram: (i) Regressão Logística, (ii) K-Nearest Neighbors, (iii) Árvores de Classificação , (iv) Florestas Aleatórias, (v) SVM Polinomial e (vi) SVM Radial. A despeito de ter sido utilizada uma base de dados didática, é importante destacar o bom desempenho dos modelos, todos com níveis de acerto na base teste acima de 90,0%, com destaque para a Regressão Logística, Florestas Aleatórias e SVM Polinomial, que obtiveram os melhores resultados. Ainda, os modelos foram capazes de identificar o raio do tumor como a covariável de maior impacto nas chances de diagnostico de câncer de mama. | - |
Descrição: dc.description | 52 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Niterói | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Regressão logística | - |
Palavras-chave: dc.subject | K-nearest neighbors | - |
Palavras-chave: dc.subject | Árvores de classificação | - |
Palavras-chave: dc.subject | Support vector machine | - |
Palavras-chave: dc.subject | Estatística | - |
Palavras-chave: dc.subject | Regressão logística | - |
Palavras-chave: dc.subject | Estatística de saúde | - |
Palavras-chave: dc.subject | Neoplasia da mama | - |
Título: dc.title | Métodos estatísticos de classificação: abordagem aplicada ao diagnóstico de casos de câncer de mama | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: