A. B. Arockia Christopher / A. P. Janani / M. Balakrishnan
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Nos conjuntos de dados do mundo real, existem muitos dados redundantes e contraditórios. O desempenho de um algoritmo de classificação na extração de dados é grandemente afetado por informações ruidosas (ou seja, redundantes e contraditórias). Estes parâmetros não só aumentam o custo do processo de extração, como também degradam o desempenho de deteção dos classificadores. Têm de ser removidos para aumentar a eficiência e a precisão dos classificadores. A extração de dados é um processo de análise de dados que é realizado para grandes volumes de dados. Neste trabalho, propõe-se uma metodologia para avaliar o risco e as questões de segurança dos acidentes com aeronaves. Este trabalho centra-se em diferentes técnicas de seleção de caraterísticas aplicadas ao conjunto de dados de uma base de dados de uma companhia aérea para compreender e limpar o conjunto de dados. Os seguintes avaliadores são CFS, CS, GR, Ganho de informação, Atributo OneR, Transformador PCA, Atributo ReliefF e Atributo SU utilizados neste estudo para reduzir o número de atributos iniciais. Os algoritmos de classificação como Decision Tree (DT), Naive Bayes (NB), Artificial Neural Network (ANN), K-Nearest Neighbour (KNN) e Support Vetor Machines (SVM) são utilizados para prever o nível de aviso do componente como atributo de classe.
