Título:	Potencial de técnicas de mineração de dados para modelos de alerta da ferrugem do cafeeiro.
Autoria:	DI GIROLAMO NETO, C. RODRIGUES, L. H. A. THAMADA, T. T. MEIRA, C. A. A.
Afiliação:	CESARE DI GIROLAMO NETO, Colaborador CNPTIA; LUIZ HENRIQUE ANTUNES RODRIGUES, Feagri/Unicamp; THIAGO TOSHIYUKI THAMADA, Colaborador CNPTIA; CARLOS ALBERTO ALVES MEIRA, CNPTIA.
Ano de publicação:	2013
Referência:	In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 9., 2013, Cuiabá. Agroinformática: inovação para a sustentabilidade do agronegócio brasileiro: anais. Cuiabá: Universidade Federal de Mato Grosso, 2013.
Páginas:	Não paginado.
Conteúdo:	Resumo. Este trabalho procurou avaliar o potencial de técnicas de mineração de dados no desenvolvimento de modelos de alerta da ferrugem do cafeeiro. Foram avaliadas quatro técnicas: Redes Neurais Artificiais, Árvores de Decisão, Support Vector Machines e Random Forest. A avaliação dos modelos gerados mostrou que as duas últimas técnicas geram modelos com maior taxa de acerto e melhores medidas de sensitividade e especificidade. As Redes Neurais Artificiais geraram modelos com alto valor de sensitividade, enquanto que as Árvores de Decisão obtiveram desempenho inferior quando comparadas às demais técnicas. O balanceamento de classes se mostrou um procedimento fundamental na melhora da taxa de acerto dos modelos.
NAL Thesaurus:	Neural networks support vector machines
Palavras-chave:	Mineração de dados Modelos de alerta Ferrugem do cafeeiro Redes neurais Árvore de decisão Data mining Decision tree Random forest Coffee rust
Notas:	SBIAgro 2013.
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)