Título:	Modelos preditivos para classificação de aptidão agrícola de municípios.
Autor:	LORENSINI, C. L. OLIVEIRA, S. R. de M. VICTORIA, D. de C.
Afiliación:	CAROLINA LOBELLO LORENSINI, Feagri/Unicamp; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; DANIEL DE CASTRO VICTORIA, CNPTIA.
Año:	2018
Referencia:	In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPECUÁRIA, 14., 2018, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2018.
Páginas:	p. 38-43.
Descripción:	Resumo - Este trabalho teve como objetivo desenvolver e validar modelos baseados em técnicas de mineração de dados para classificar municípios com aptidão agrícola, na região do Matopiba. Foram utilizados dados socioeconômicos e físicos dos municípios, obtidos do Instituto Brasileiro de Geografia e Estatística (IBGE). Os modelos preditivos foram gerados por meio de indução de árvores de decisão juntamente com métodos de seleção de atributos. Os resultados encontrados revelaram o potencial das técnicas de mineração de dados para a classificação de áreas com aptidão agrícola.
Palabras clave:	Mineração de dados Seleção de atributos Matopiba Sustentabilidade Data mining Attribute selection Sustainability
Citación:	(Embrapa Informática Agropecuária. Eventos técnicos & científicos, 1).
ISBN:	978-85-7035-854-7
Notas:	Editores técnicos: Carla Geovana do Nascimento Macário, Carla Cristiane Osawa, Flávia Bussaglia Fiorini, Maria Fernanda Moura, Poliana Fernanda Giachetto.
Tipo de Material:	Artigo em anais e proceedings
Acceso:	openAccess
Aparece en las colecciones:	Artigo em anais de congresso (CNPTIA)