Author(s): DI GIROLAMO NETO, C.; RODRIGUES, L. H. A.; THAMADA, T. T.; MEIRA, C. A. A.

Summary: 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.

Publication year: 2013

Types of publication: Paper in annals and proceedings

Unit: Embrapa Digital Agriculture

Keywords: Coffee rust, Data mining, Decision tree, Ferrugem do cafeeiro, Mineração de dados, Modelos de alerta, Random forest, Redes neurais, Árvore de decisão