Please use this identifier to cite or link to this item:
http://35.238.111.86//xmlui/handle/123456789/2539
Title: | Estudos comparativos de técnicas machine learning aplicado em dados da Covid-19 |
Authors: | GONÇALVES, Samuel Pereira LOURENÇO, Ramires de Oliveira SANTOS, Flávia Aparecida Oliveira |
Keywords: | Machine learning Inteligência artificial Detecção de falhas Covid-19 Pandemia |
Issue Date: | 2021 |
Publisher: | Revista Eletrônica Científica de Ciência da Computação |
Abstract: | O objetivo deste trabalho é realizar um estudo comparativo dos resultados apresentados por diferentes algoritmos de Machine Learning, aplicados em uma base de dados com informações sobre a COVID-19. Neste estudo, são demonstrados os diferentes tipos de comportamentos dos algoritmos utilizados, além de seus respectivos índices de acertos e erros. Para execução dos experimentos, foi utilizado o Weka, que dispõe de diferentes algoritmos para a aplicação dos comparativos. Os algoritmos utilizados nos experimentos são: Lazy Kstar, Naive Bayes Multinomial Text, J48 Tree, Random Tree e Random Forest Tree. |
URI: | http://35.238.111.86//xmlui/handle/123456789/2539 |
ISSN: | 2236-3890 |
Appears in Collections: | Periódicos Especializados Faculdade Link |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MachinelearningaplicadodadosCovid19.pdf | 385.74 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.