Portada

ESTUDO DE CASO IBD

EDIÇOES NOSSO CONHECIMENTO
08 / 2024
9786208016166
Portugués

Sinopsis

Nos conjuntos de dados do mundo real, existem muitos dados redundantes e contraditórios. O desempenho de um algoritmo de classificaçao na extraçao de dados é grandemente afetado por informaçoes ruidosas (ou seja, redundantes e contraditórias). Estes parâmetros nao só aumentam o custo do processo de extraçao, como também degradam o desempenho de deteçao dos classificadores. Têm de ser removidos para aumentar a eficiência e a precisao dos classificadores. A extraçao de dados é um processo de análise de dados que é realizado para grandes volumes de dados. Neste trabalho, propoe-se uma metodologia para avaliar o risco e as questoes de segurança dos acidentes com aeronaves. Este trabalho centra-se em diferentes técnicas de seleçao de caraterísticas aplicadas ao conjunto de dados de uma base de dados de uma companhia aérea para compreender e limpar o conjunto de dados. Os seguintes avaliadores sao CFS, CS, GR, Ganho de informaçao, Atributo OneR, Transformador PCA, Atributo ReliefF e Atributo SU utilizados neste estudo para reduzir o número de atributos iniciais. Os algoritmos de classificaçao como Decision Tree (DT), Naive Bayes (NB), Artificial Neural Network (ANN), K-Nearest Neighbour (KNN) e Support Vetor Machines (SVM) sao utilizados para prever o nível de aviso do componente como atributo de classe.

PVP
63,67