Navegando por Autor "Medeiros, Moisés de"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC Seleção de principais atributos para Redes Neurais Artificiais do tipo MLP: um estudo de caso sobre mineração de dados para diagnóstico de dengue.(Universidade Federal do Rio Grande do Norte, 2018-06-20) Medeiros, Moisés de; Rabelo, Humberto; Almir Miranda; Rabelo, Humberto; Miranda, Almir; Rabelo, Danieli SEste estudo se propõe a investigar quais atributos são mais significativos para predição do diagnóstico de Dengue utilizando seleção de atributos e redes neurais do tipo MLP. Neste estudo, foi utilizada uma base de dados do SINAN Online – Sistema de Informação de Agravos de Notificação, do Ministério da Saúde, que é uma base de dados real e de domínio público. A etapa de pré-processamento de dados foi realizada para otimizar a adaptação da base para os algoritmos de mineração de dados. A seleção de atributos se deu através da produção de um ranking de melhores atributos de acordo com oito algoritmos de seleção de atributos: ChiSquareAttributeEval, FilteredAttributeEval, GainRatioAttributeEval, InfoGainAttributeEval, OneRAttributeEval, ReliefFattributeEval, SVMAttributeEval e SymmetricalUncertAttributeEval. Através da utilização do algoritmo classificador MLP foi possível identificar quais os melhores atributos nas abordagens de validação cruzada e validação normal (com Split 70%), testando todo o subconjunto de melhores atributos definido pelo ranking. Dessa forma também foi possível verificar a melhoria de desempenho do classificador e a consequente redução da dimensionalidade dos dados após a seleção de atributos.