Título:	Avaliação da eficiência de algoritmos de aprendizado de máquina para classificação automática de solos.
Autoria:	VASCONCELOS, G. T. OLIVEIRA, S. R. de M.
Afiliação:	GABRIEL TESTON VASCONCELOS, Bolsista CNPq (PIBIC); STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA.
Ano de publicação:	2018
Referência:	In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 12., 2018, Campinas. Anais... [S.l: s.n], 2018.
Páginas:	Não paginado.
Conteúdo:	RESUMO - Técnicas de mineração de dados têm sido usadas, estrategicamente, para transformar dados em informações e conhecimentos visando subsidiar o processo decisório em vários domínios. Na agricultura, em particular, essas técnicas são eficientes para selecionar um conjunto de atributos relevantes no processo de geração de modelos preditivos em bancos de dados com muitas variáveis. Este trabalho tem por objetivo avaliar a eficiência de diferentes algoritmos de Aprendizado de Máquina (AM) para classificação automática de solos, no 1º nível categórico do Sistema Brasileiro de Classificação de Solos (SiBCS). Os dados foram obtidos do projeto Mapeamento de Recursos Naturais do Brasil, liderado pelo Instituo Brasileiro de Geografia e Estatística (IBGE). Alguns algoritmos de AM (árvore de decisão, SVM, kNN) foram utilizados para classificação de solos de acordo com o SiBCS. Os resultados obtidos são promissores e abrem perspectivas para a classificação automática de solos, a partir de critérios definidos e de informações organizadas em bancos de dados.
NAL Thesaurus:	Support vector machines Soil classification
Palavras-chave:	Árvores de decisão Mineração de dados Atributos de solos Aprendizado de máquina Máquinas de Vetores Suporte Algoritmo k-vizinhos mais próximos Classificação de solos Decision trees Data mining Soil attributes
ISBN:	978-85-7029-145-5
Notas:	CIIC 2018. Nº 17603.
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)