Comparação de modelos de Machine Learning aplicados a previsão de casos totais de Dengue
Author(s) -
Thiago Vieira de Carvalho,
Gabriel Lins Tenorio,
Karla Figueiredo,
Marley Vellasco,
Wouter Caarls
Publication year - 2019
Language(s) - Portuguese
Resource type - Conference proceedings
DOI - 10.5753/eniac.2019.9323
Subject(s) - computer science , mathematics , humanities , physics , philosophy
A dengue e uma doença endêmica que ocorre principalmente em áreas tropicais, devido à sua transmissão através de mosquitos. Usando mecanismos de pré-processamento e de aprendizado de máquina, esse trabalho objetiva desenvolver um modelo de previsão que estabeleça uma relação existente entre as condicões de uma cidade e a proliferação de epidemia de dengue, como parte da competição 'DengAI - predicting disease spread', fornecida pela plataforma DrivenData. Dentre os modelos implementados, o metodo Ensemble entre o Random Forest e Redes Neurais obtiveram a melhor performance, com melhora de 4,5% em relação ao Benchmark.
Accelerating Research
Robert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom
Address
John Eccles HouseRobert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom