Autoria: VASCONCELOS, G. T.; OLIVEIRA, S. R. de M.

Resumo: 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.

Ano de publicação: 2018

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Agricultura Digital

Palavras-chave: Algoritmo k-vizinhos mais próximos, Aprendizado de máquina, Atributos de solos, Classificação de solos, Data mining, Decision trees, Mineração de dados, Máquinas de Vetores Suporte, Soil attributes, Soil classification, Support vector machines, Árvores de decisão