1. Biblioteca Digital de Teses e Dissertações da UFCG
2. Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
3. CURSOS DE GRADUAÇÃO DO CEEI
4. Curso de Bacharelado em Ciência da Computação
5. Trabalho de Conclusão de Curso - Artigo - Ciência da Computação

Title:	Avaliação de modelos preditivos para a extração de características significativas nas eleições brasileiras.
Other Titles:	Evaluation of predictive models for extracting significant characteristics in Brazilian elections.
???metadata.dc.creator???:	ROCHA, Daniyel Negromonte Nascimento.
???metadata.dc.contributor.advisor1???:	MARINHO, Leandro Balby.
???metadata.dc.contributor.referee1???:	GHEYI, Rohit.
Keywords:	Aprendizagem de máquina;Predição;Eleições;Dados desbalanceados;Desenvolvimento de modelos preditivos;Algoritmos de aprendizagem de máquina;Modelo Random Forest;Regressão logística;Redes neurais;Machine learning;Prediction;Elections;Unbalanced data;Development of predictive models;Machine Learning Algorithms;Random Forest Model;Logistic regression;Neural networks
Issue Date:	2-Jul-2019
Publisher:	Universidade Federal de Campina Grande
Citation:	ROCHA, Daniyel Negromonte Nascimento. Avaliação de modelos preditivos para a extração de características significativas nas eleições brasileiras. 2019. 15f. (Trabalho de Conclusão de Curso - Artigo) – Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20696
???metadata.dc.description.resumo???:	A dinâmica do sistema político brasileiro dificulta a compreensão do processo eleitoral. Essa situação pode fazer com que a sociedade seja menos participativa, sendo algo prejudicial para a democracia. Nesse sentido, foi feita uma avaliação acerca da utilização de dados públicos e técnicas de aprendizagem de máquina, com o objetivo de observar padrões a partir de eleições passadas e inferir resultados por meio do desenvolvimento de modelos preditivos. Além disso, procurou-se entender quais variáveis foram mais úteis para os modelos gerados, na tentativa de alcançar uma melhor compreensão acerca das características das eleições. Utilizando os dados coletados, os algoritmos de aprendizagem de máquina produziram modelos que foram avaliados e tiveram seus atributos mais importantes selecionados. Dessa forma, novos modelos foram obtidos a partir das características escolhidas e eles também foram examinados. Após observação dos resultados, o modelo random forest apresentou melhores desempenhos com relação à métrica definida e, em contrapartida, a seleção das variáveis mais importantes para a construção dos modelos não produziu melhores resultados.
Keywords:	Aprendizagem de máquina Predição Eleições Dados desbalanceados Desenvolvimento de modelos preditivos Algoritmos de aprendizagem de máquina Modelo Random Forest Regressão logística Redes neurais Machine learning Prediction Elections Unbalanced data Development of predictive models Machine Learning Algorithms Random Forest Model Logistic regression Neural networks
???metadata.dc.subject.cnpq???:	Ciência da Computação.
URI:	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20696
Appears in Collections:	Trabalho de Conclusão de Curso - Artigo - Ciência da Computação

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.