Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/29844
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2021_AndreFilipeCaldasLaranjeira_tcc.pdfTrabalho de Conclusão de Curso (graduação)663,31 kBAdobe PDFver/abrir
Título: Previsão de insuficiência cardíaca com aprendizado de máquina em um website
Autor(es): Laranjeira, André Filipe Caldas
Orientador(es): Romariz, Alexandre Ricardo Soares
Assunto: Aprendizado de máquina
Aprendizado do computador
Sites da Web
Data de apresentação: 19-Mai-2021
Data de publicação: 9-Fev-2022
Referência: LARANJEIRA, André Filipe Caldas. Previsão de insuficiência cardíaca com aprendizado de máquina em um website. 2021. 49 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2021.
Resumo: Este trabalho consiste em uma comparação entre modelos de aprendizado de máquina do tipo perceptron multicamada e floresta aleatória treinados para a previsão de sobrevivência à insuficiência cardíaca e em um website auxiliar para utilização do melhor modelo. A avaliação dos modelos de treinamento se baseou na melhor média de acurácia de previsão envolvendo 20 subconjuntos de validação e 100 subconjuntos de teste. Ao total 5346 modelos de treinamento foram avaliados e o modelo mais bem classificado obteve uma média de acurácia comparável àquela do artigo de referência utilizado. A implementação do website auxiliar também obteve êxito ao simplificar o acesso ao melhor modelo de previsão. Para trabalho futuros, planeja-se a avaliação de mais tipos de modelo de aprendizado de máquina e suas combinações de hiperparâmetros e a realização de testes do melhor modelo com pacientes contemporâneos.
Abstract: This graduation project report consists of a comparison between multilayer perceptron and random forest machine learning models trained to predict heart failure survival and of an auxiliar website to facilitate the use of the best machine learning model. The machine learning models were evaluated based on the best average of prediction accuracies for 20 validation subsets and 100 test subsets. In total, 5346 machine learning models were evaluated and the best model displayed an average of prediction accuracies on par with the results obtained in an article referenced by this thesis. The auxiliar website was also successful in simplifying access to the best machine learning model. For future works, we plan on evaluating more classes or categories of machine learning models and more combinations of hyperparameters and to test the best machine learning model with contemporary patients.
Informações adicionais: Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.