Classificação do desempenho dos rebanhos de seleção Nelore por meio de aprendizado de máquina.

ABREU, U. G. P. de; THOLON, P.; LIMA, H. P. de

Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159796

Full metadata record

DC Field	Value	Language
dc.contributor.author	ABREU, U. G. P. de
dc.contributor.author	THOLON, P.
dc.contributor.author	LIMA, H. P. de
dc.date.accessioned	2023-12-15T14:32:43Z	-
dc.date.available	2023-12-15T14:32:43Z	-
dc.date.created	2023-12-15
dc.date.issued	2023
dc.identifier.citation	CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 14., 2023, Natal. Avanços na agricultura digital colaborativa: anais. Natal: Universidade Federal do Rio Grande do Norte, 2023.
dc.identifier.uri	http://www.alice.cnptia.embrapa.br/alice/handle/doc/1159796	-
dc.description	O objetivo deste trabalho foi, por meio de técnicas de mineração de dados, classificar os animais de dois rebanhos da Embrapa, em função das réguas de DEP genômicas (DEPg), para identificar os principais atributos (características) que direcionam o entendimento dos diferentes objetivos de seleção nos dois rebanhos. Selecionaram-se oito atributos, para análise de classificação dos animais. Para realizar a classificação dos animais em função do rebanho foram utilizados três algoritmos supervisionados, buscando verificar qual apresentaria o melhor desempenho: árvore de decisão (J48), árvores de modelo logístico (LMT) e floresta randômica (Random Forest - RF). O algoritmo mais acurado foi o Random Forest, que modelou os dados com maior ajuste e acurácia.
dc.language.iso	por
dc.rights	openAccess
dc.subject	Classificação de animais
dc.subject	Característica
dc.subject	Mineração de dados
dc.subject	Seleção de rebanhos
dc.title	Classificação do desempenho dos rebanhos de seleção Nelore por meio de aprendizado de máquina.
dc.type	Artigo em anais e proceedings
dc.subject.thesagro	Rebanho
dc.subject.thesagro	Seleção
dc.subject.thesagro	Gado Nelore
dc.subject.thesagro	Melhoramento Genético Animal
dc.description.notes	SBIAGRO 2023.
riaa.ainfo.id	1159796
riaa.ainfo.lastupdate	2023-12-15
dc.contributor.institution	URBANO GOMES PINTO DE ABREU, CPAP; PATRICIA THOLON, CPPSE; HELANO POVOAS DE LIMA, CNPTIA.
Appears in Collections:	Artigo em anais de congresso (CPAP)

Files in This Item:

File	Description	Size	Format
sbi-agro-2023-2.pdf		602.16 kB	Adobe PDF	View/Open

Show simple item record