Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/9487
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2014_HialoMunizCarvalho.pdf1,18 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorSilva, Nilton Correia da-
dc.contributor.authorCarvalho, Hialo Muniz-
dc.identifier.citationCARVALHO, Hialo Muniz. Aprendizado de máquina voltado para mineração de dados: árvores de decisão. 2014. 98 f., il. Monografia (Bacharelado em Engenharia de Software)—Universidade de Brasília, Brasília, 2014.en
dc.descriptionMonografia (graduação)—Universidade de Brasília, Faculdade UnB Gama, Curso de Engenharia de Software, 2014.en
dc.description.abstractMineração de Dados e uma área que vem crescendo rapidamente nos últimos anos, devido ao crescimento do volume de dados gerado e a necessidade do mercado por ferramentas que sejam capazes de identificar e extrair conhecimento destes grandes repositórios de dados de forma automatizada. Grande parte deste avanço e oriundo de conceitos recebidos da área de Aprendizado de Maquina, principalmente no que se refere a métodos de Classificação, predição e analise de grupos com base em dados históricos. Este trabalho apresenta um estudo voltado para a aplicação de conceitos de Aprendizado de Maquina para Mineração de Dados em uma abordagem que utiliza Arvores de Decisão em processos de classificações supervisionadas. Soluções alcançadas por meio de Arvores de Decisão podem ser utilizadas para analises de níveis de importância das diferentes características utilizadas na construção do modelo. Para tanto, o modelo será submetido a uma fase de analise estatística com o propósito de verificar sua acurácia em diferentes contextos.en
dc.rightsAcesso Abertoen
dc.subject.keywordMineração de dadosen
dc.subject.keywordAprendizado do computadoren
dc.subject.keywordÁrvores de decisãoen
dc.titleAprendizado de máquina voltado para mineração de dados : árvores de decisãoen
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladoen
dc.date.accessioned2015-01-26T15:52:28Z-
dc.date.available2015-01-26T15:52:28Z-
dc.date.issued2015-01-26T15:52:28Z-
dc.date.submitted2014-12-15-
dc.identifier.urihttp://bdm.unb.br/handle/10483/9487-
dc.language.isoPortuguêsen
dc.description.abstract1Data Mining is a research area that has been growing quickly in recent years due to the increasing volume of generated data and the market’s needs for methods and tools that are able to identify and extract knowledge into these large repositories in an automated way. Much of this progress comes from concepts received from the Machine Learning area, mostly about classification and predition methods, and group analysis using historical data. This work shows a study on the application of concepts of Machine Learning on Data Mining, using a Decision Tree approach in supervised classification processes. Solutions achieved through Decision Trees can be used for analysis of the features significance levels used to construct the model. Thus, the model will be submitted to a statistical analysis phase in order to verify its accuracy in different settings.-
Aparece na Coleção:Engenharia de Software



Este item está licenciado na Licença Creative Commons Creative Commons