Artigo Anais IV CONAPESC

ANAIS de Evento

ISSN: 2525-6696

AVALIAÇÃO DO MÉTODO NAIVE BAYES NA CLASSIFICAÇÃO DE AMOSTRAS DA BASE DE DADOS ORIGINAL DO CÂNCER DE MAMA DE WISCONSIN

Palavra-chaves: REDES BAYESIANAS., NAIVE BAYES, BASE DE DADOS WISCONSIN Comunicação Oral (CO) AT 10: Ciências da Saúde: abordagens na pesquisa e no ensino
"2019-09-02 00:00:00" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1843 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
  #connection: "mysql"
  +table: "artigo"
  #primaryKey: "id"
  #keyType: "int"
  +incrementing: true
  #with: []
  #withCount: []
  +preventsLazyLoading: false
  #perPage: 15
  +exists: true
  +wasRecentlyCreated: false
  #escapeWhenCastingToString: false
  #attributes: array:35 [
    "id" => 56601
    "edicao_id" => 110
    "trabalho_id" => 1127
    "inscrito_id" => 2763
    "titulo" => "AVALIAÇÃO DO MÉTODO NAIVE BAYES NA CLASSIFICAÇÃO DE AMOSTRAS DA BASE DE DADOS ORIGINAL DO CÂNCER DE MAMA DE WISCONSIN"
    "resumo" => "A ANÁLISE DE VARIÁVEIS E A ESCOLHA DE CRITÉRIOS COM A FINALIDADE DE TOMAR DECISÕES É UM PROCESSO COMPLEXO, POIS GERALMENTE OS DADOS APRESENTAM-SE DE FORMA IMPRECISA E INCOMPLETA, COM DIVERSOS AGENTES DE DECISÃO E OBJETIVOS QUE DIFICULTAM A TOMADA DE DECISÃO. O ALGORITMO NAIVE BAYES APRESENTA-SE COMO UM ÓTIMO TIPO DE ALGORITMO PARA GRANDES VALORES DE DADOS, TAMBÉM APRESENTA AGILIDADE NA EXECUÇÃO, TUDO ISTO QUANDO COMPARADO A OUTROS ALGORITMOS DE CLASSIFICAÇÃO. OBJETIVO: NESTE ESTUDO, FOI AVALIADO O DESEMPENHO DO MÉTODO DE DECISÃO NAIVE BAYES NA CLASSIFICAÇÃO DA BASE DE DADOS ORIGINAL DE WISCONSIN. METODOLOGIA: TRATA-SE DE UM ESTUDO DESCRITIVO E EXPLORATÓRIO, O QUAL UTILIZOU O MÉTODO NAIVE BAYES ATRAVÉS DO WEKA COM A UTILIZAÇÃO DAS TÉCNICAS DE CROSS-VALIDATION, PERCENTAGE SPLIT E RANDOM SEED PARA SEPARAÇÃO DOS DADOS DE TREINO DO TESTE. RESULTADOS E DISCUSSÃO: DIANTE DA REALIZAÇÃO DOS TESTES O QUE RESULTOU NO MELHOR KAPPA FOI O PERCENTAGE SPLIT COM SLIP 85% E RANDOM SEED 3 SENDO COEFICIENTE KAPPA=95,77%, JÁ O MENOR KAPPA FOI OBTIDO ATRAVÉS DO TESTE PERCENTAGE SPLIT COM SPLIT 75% E RANDOM SEED 1, SENDO COEFICIENTE KAPPA=89,09% EM TODOS OS TESTES REALIZADOS FOI OBTIDO UM COEFICIENTE KAPPA QUASE PERFEITO. CONSIDERAÇÕES FINAIS: O ALGORITMO NAIVE BAYES APRESENTA-SE COMO UM ÓTIMO CLASSIFICADOR DE DADOS, DESSA FORMA, VISTO QUE A BASE DE DADOS ANALISADA É DA ÁREA DE SAÚDE, SUGERE-SE QUE ESSA TÉCNICA SEJA EMPREGADA NA ÁREA DA CIÊNCIA DA SAÚDE A FIM DE UTILIZAR COMO CLASSIFICADOR PARA AUXILIAR NO PROCESSO DE TOMADA DE DECISÃO EM SAÚDE."
    "modalidade" => "Comunicação Oral (CO)"
    "area_tematica" => "AT 10: Ciências da Saúde: abordagens na pesquisa e no ensino"
    "palavra_chave" => "REDES BAYESIANAS., NAIVE BAYES, BASE DE DADOS WISCONSIN"
    "idioma" => "Português"
    "arquivo" => "TRABALHO_EV126_MD1_SA10_ID2763_11082019185652.pdf"
    "created_at" => "2020-05-28 15:53:52"
    "updated_at" => "2020-06-09 19:23:38"
    "ativo" => 1
    "autor_nome" => "INGRID BERGMAM DO NASCIMENTO SILVA"
    "autor_nome_curto" => "INGRID BERGMAM"
    "autor_email" => "ingridgba2006@hotmail.com"
    "autor_ies" => "UNIVERSIDADE FEDERAL DA PARAÍBA"
    "autor_imagem" => ""
    "edicao_url" => "anais-iv-conapesc"
    "edicao_nome" => "Anais IV CONAPESC"
    "edicao_evento" => "IV Congresso Nacional de Pesquisa e Ensino em Ciências"
    "edicao_ano" => 2019
    "edicao_pasta" => "anais/conapesc/2019"
    "edicao_logo" => "5e49fc4622961_16022020233654.png"
    "edicao_capa" => "5f1841846340e_22072020103916.jpg"
    "data_publicacao" => null
    "edicao_publicada_em" => "2019-09-02 00:00:00"
    "publicacao_id" => 28
    "publicacao_nome" => "Anais do Conapesc"
    "publicacao_codigo" => "2525-6696"
    "tipo_codigo_id" => 1
    "tipo_codigo_nome" => "ISSN"
    "tipo_publicacao_id" => 1
    "tipo_publicacao_nome" => "ANAIS de Evento"
  ]
  #original: array:35 [
    "id" => 56601
    "edicao_id" => 110
    "trabalho_id" => 1127
    "inscrito_id" => 2763
    "titulo" => "AVALIAÇÃO DO MÉTODO NAIVE BAYES NA CLASSIFICAÇÃO DE AMOSTRAS DA BASE DE DADOS ORIGINAL DO CÂNCER DE MAMA DE WISCONSIN"
    "resumo" => "A ANÁLISE DE VARIÁVEIS E A ESCOLHA DE CRITÉRIOS COM A FINALIDADE DE TOMAR DECISÕES É UM PROCESSO COMPLEXO, POIS GERALMENTE OS DADOS APRESENTAM-SE DE FORMA IMPRECISA E INCOMPLETA, COM DIVERSOS AGENTES DE DECISÃO E OBJETIVOS QUE DIFICULTAM A TOMADA DE DECISÃO. O ALGORITMO NAIVE BAYES APRESENTA-SE COMO UM ÓTIMO TIPO DE ALGORITMO PARA GRANDES VALORES DE DADOS, TAMBÉM APRESENTA AGILIDADE NA EXECUÇÃO, TUDO ISTO QUANDO COMPARADO A OUTROS ALGORITMOS DE CLASSIFICAÇÃO. OBJETIVO: NESTE ESTUDO, FOI AVALIADO O DESEMPENHO DO MÉTODO DE DECISÃO NAIVE BAYES NA CLASSIFICAÇÃO DA BASE DE DADOS ORIGINAL DE WISCONSIN. METODOLOGIA: TRATA-SE DE UM ESTUDO DESCRITIVO E EXPLORATÓRIO, O QUAL UTILIZOU O MÉTODO NAIVE BAYES ATRAVÉS DO WEKA COM A UTILIZAÇÃO DAS TÉCNICAS DE CROSS-VALIDATION, PERCENTAGE SPLIT E RANDOM SEED PARA SEPARAÇÃO DOS DADOS DE TREINO DO TESTE. RESULTADOS E DISCUSSÃO: DIANTE DA REALIZAÇÃO DOS TESTES O QUE RESULTOU NO MELHOR KAPPA FOI O PERCENTAGE SPLIT COM SLIP 85% E RANDOM SEED 3 SENDO COEFICIENTE KAPPA=95,77%, JÁ O MENOR KAPPA FOI OBTIDO ATRAVÉS DO TESTE PERCENTAGE SPLIT COM SPLIT 75% E RANDOM SEED 1, SENDO COEFICIENTE KAPPA=89,09% EM TODOS OS TESTES REALIZADOS FOI OBTIDO UM COEFICIENTE KAPPA QUASE PERFEITO. CONSIDERAÇÕES FINAIS: O ALGORITMO NAIVE BAYES APRESENTA-SE COMO UM ÓTIMO CLASSIFICADOR DE DADOS, DESSA FORMA, VISTO QUE A BASE DE DADOS ANALISADA É DA ÁREA DE SAÚDE, SUGERE-SE QUE ESSA TÉCNICA SEJA EMPREGADA NA ÁREA DA CIÊNCIA DA SAÚDE A FIM DE UTILIZAR COMO CLASSIFICADOR PARA AUXILIAR NO PROCESSO DE TOMADA DE DECISÃO EM SAÚDE."
    "modalidade" => "Comunicação Oral (CO)"
    "area_tematica" => "AT 10: Ciências da Saúde: abordagens na pesquisa e no ensino"
    "palavra_chave" => "REDES BAYESIANAS., NAIVE BAYES, BASE DE DADOS WISCONSIN"
    "idioma" => "Português"
    "arquivo" => "TRABALHO_EV126_MD1_SA10_ID2763_11082019185652.pdf"
    "created_at" => "2020-05-28 15:53:52"
    "updated_at" => "2020-06-09 19:23:38"
    "ativo" => 1
    "autor_nome" => "INGRID BERGMAM DO NASCIMENTO SILVA"
    "autor_nome_curto" => "INGRID BERGMAM"
    "autor_email" => "ingridgba2006@hotmail.com"
    "autor_ies" => "UNIVERSIDADE FEDERAL DA PARAÍBA"
    "autor_imagem" => ""
    "edicao_url" => "anais-iv-conapesc"
    "edicao_nome" => "Anais IV CONAPESC"
    "edicao_evento" => "IV Congresso Nacional de Pesquisa e Ensino em Ciências"
    "edicao_ano" => 2019
    "edicao_pasta" => "anais/conapesc/2019"
    "edicao_logo" => "5e49fc4622961_16022020233654.png"
    "edicao_capa" => "5f1841846340e_22072020103916.jpg"
    "data_publicacao" => null
    "edicao_publicada_em" => "2019-09-02 00:00:00"
    "publicacao_id" => 28
    "publicacao_nome" => "Anais do Conapesc"
    "publicacao_codigo" => "2525-6696"
    "tipo_codigo_id" => 1
    "tipo_codigo_nome" => "ISSN"
    "tipo_publicacao_id" => 1
    "tipo_publicacao_nome" => "ANAIS de Evento"
  ]
  #changes: []
  #casts: array:14 [
    "id" => "integer"
    "edicao_id" => "integer"
    "trabalho_id" => "integer"
    "inscrito_id" => "integer"
    "titulo" => "string"
    "resumo" => "string"
    "modalidade" => "string"
    "area_tematica" => "string"
    "palavra_chave" => "string"
    "idioma" => "string"
    "arquivo" => "string"
    "created_at" => "datetime"
    "updated_at" => "datetime"
    "ativo" => "boolean"
  ]
  #classCastCache: []
  #attributeCastCache: []
  #dates: []
  #dateFormat: null
  #appends: []
  #dispatchesEvents: []
  #observables: []
  #relations: []
  #touches: []
  +timestamps: false
  #hidden: []
  #visible: []
  +fillable: array:13 [
    0 => "edicao_id"
    1 => "trabalho_id"
    2 => "inscrito_id"
    3 => "titulo"
    4 => "resumo"
    5 => "modalidade"
    6 => "area_tematica"
    7 => "palavra_chave"
    8 => "idioma"
    9 => "arquivo"
    10 => "created_at"
    11 => "updated_at"
    12 => "ativo"
  ]
  #guarded: array:1 [
    0 => "*"
  ]
}
Publicado em 02 de setembro de 2019

Resumo

A ANÁLISE DE VARIÁVEIS E A ESCOLHA DE CRITÉRIOS COM A FINALIDADE DE TOMAR DECISÕES É UM PROCESSO COMPLEXO, POIS GERALMENTE OS DADOS APRESENTAM-SE DE FORMA IMPRECISA E INCOMPLETA, COM DIVERSOS AGENTES DE DECISÃO E OBJETIVOS QUE DIFICULTAM A TOMADA DE DECISÃO. O ALGORITMO NAIVE BAYES APRESENTA-SE COMO UM ÓTIMO TIPO DE ALGORITMO PARA GRANDES VALORES DE DADOS, TAMBÉM APRESENTA AGILIDADE NA EXECUÇÃO, TUDO ISTO QUANDO COMPARADO A OUTROS ALGORITMOS DE CLASSIFICAÇÃO. OBJETIVO: NESTE ESTUDO, FOI AVALIADO O DESEMPENHO DO MÉTODO DE DECISÃO NAIVE BAYES NA CLASSIFICAÇÃO DA BASE DE DADOS ORIGINAL DE WISCONSIN. METODOLOGIA: TRATA-SE DE UM ESTUDO DESCRITIVO E EXPLORATÓRIO, O QUAL UTILIZOU O MÉTODO NAIVE BAYES ATRAVÉS DO WEKA COM A UTILIZAÇÃO DAS TÉCNICAS DE CROSS-VALIDATION, PERCENTAGE SPLIT E RANDOM SEED PARA SEPARAÇÃO DOS DADOS DE TREINO DO TESTE. RESULTADOS E DISCUSSÃO: DIANTE DA REALIZAÇÃO DOS TESTES O QUE RESULTOU NO MELHOR KAPPA FOI O PERCENTAGE SPLIT COM SLIP 85% E RANDOM SEED 3 SENDO COEFICIENTE KAPPA=95,77%, JÁ O MENOR KAPPA FOI OBTIDO ATRAVÉS DO TESTE PERCENTAGE SPLIT COM SPLIT 75% E RANDOM SEED 1, SENDO COEFICIENTE KAPPA=89,09% EM TODOS OS TESTES REALIZADOS FOI OBTIDO UM COEFICIENTE KAPPA QUASE PERFEITO. CONSIDERAÇÕES FINAIS: O ALGORITMO NAIVE BAYES APRESENTA-SE COMO UM ÓTIMO CLASSIFICADOR DE DADOS, DESSA FORMA, VISTO QUE A BASE DE DADOS ANALISADA É DA ÁREA DE SAÚDE, SUGERE-SE QUE ESSA TÉCNICA SEJA EMPREGADA NA ÁREA DA CIÊNCIA DA SAÚDE A FIM DE UTILIZAR COMO CLASSIFICADOR PARA AUXILIAR NO PROCESSO DE TOMADA DE DECISÃO EM SAÚDE.

Compartilhe:

Visualização do Artigo


Deixe um comentário

Precisamos validar o formulário.