Avaliação da eficiência de algoritmos de aprendizado de máquina para classificação automática de solos.
No hay miniatura disponible
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Descripción
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.
CIIC 2018. Nº 17603.
CIIC 2018. Nº 17603.
Palabras clave
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, Support vector machines, Soil classification