1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Sistemas de Informação (Monte Carmelo)
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/32652
Full metadata record
DC FieldValueLanguage
dc.creatorRomani, Cristina Zayra de Nobrega-
dc.date.accessioned2021-08-24T13:36:43Z-
dc.date.available2021-08-24T13:36:43Z-
dc.date.issued2021-08-03-
dc.identifier.citationROMANI, Cristina Zayra de Nobrega Romani. Redes bayesianas para previsão de doadores de sangue. 2021. 37 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2021.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/32652-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectDoação de sanguept_BR
dc.subjectRede Bayesianapt_BR
dc.subjectModelo probabilísticopt_BR
dc.subjectAprendizado de máquinapt_BR
dc.titleRedes bayesianas para previsão de doadores de sanguept_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Santos, Fernanda Maria da Cunha-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6802596562404346pt_BR
dc.contributor.referee1Tuma, Carlos Cesar Mansur-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0916152883066962pt_BR
dc.contributor.referee2Couto, Leandro Nogueira-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9500586005920379pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/6216475044922532pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoOs hemocentros são entidades responsáveis por administrar bancos de sangue para transfusões. Em diversas situações, o hemocentro necessita prever doadores de sangue regulares para garantir o estoque e a rotatividade exigida pelos Hospitais. Diante disso, este trabalho apresenta uma solução baseada no aprendizado de máquina utilizando o modelo probabilístico das Redes Bayesianas para predição de doadores regulares. Os classificadores empregados são o Naive Bayes e o Tree Augmented Naive Bayes (TAN). A base de dados analisada foi "Conjunto de dados do Centro de Serviços de Transfusão de Sangue", retirada do repositório UCI Machine Learning Repository. Em primeiro instante aplicou-se as medidas de associação, risco relativo e odds ratio, para encontrar as variáveis que afetam na escolha do doador regular. A base possui classes desbalanceadas sendo necessário aplicar as técnicas SMOTE e k-fold estratificado para neutralizar o problema. Para avaliar os modelos empregados utilizou-se as métricas acurácia, precisão e sensibilidade. Os resultados encontrados demonstraram que o TAN possui maiores taxas de acerto para encontrar um doador de sangue regular. Porém, não foi possível obter melhores resultados devido ao desbalanceamento da base de dados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.sizeorduration37pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.orcid.putcode98927967-
Appears in Collections:TCC - Sistemas de Informação (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
RedesBayesianasPrevisão.pdfTCC2.75 MBAdobe PDFThumbnail
View/Open
Show simple item record


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