Usando md para a classificação de animais

Usando MD para classificação de Animais

Nelson P. Goes, Sebastião Farias, Thiago da S. Oliveira

¹Faculdade de computação – Instituto de Ciências Exatas e Naturais

Universidade Federal do Pará (UFPA) – Belém, PA - Brasil

Resumo Neste artigo usamos uma base de dados que contêm em seus registros a nome de diversos animais, várias características dos mesmos e a classe a qual eles pertencem. Utilizando o software Weka (Witten e Frank, 2005) e aplicando a tarefa de classificação geramos uma árvore de decisão que servirá de modelo para a classificação de novos animais de acordo com a regra criada por esta árvore.

Abstract In this article we use a database containing records on their behalf of various animals, and various characteristics of the class to which they belong. Using the Weka software (Witten and Frank, 2005) and applying the classification task we generate a decision tree that will serve as a model for classifying new animals in accordance with the rule created by this tree.

1. Introdução Atualmente os sistemas computacionais armazenam uma grande quantidade de dados em Bases de Dados, Data Warehouses e outros meios de armazenamento. Estas imensas Bases de Dados podem conter verdadeiras minas de ouro de informações novas e valiosas. Estas informações raramente são obtidas de forma direta e, devido seu tamanho, estão além da capacidade do ser humano de analisá-las e extrair das mesmas relações que tenham algum significado. As ferramentas e técnicas empregadas para análise automática e inteligente destes imensos repositórios são os objetos tratados pelo campo emergente da descoberta de conhecimento em bancos de dados (DCBD), da expressão em inglês Knowledge Discovery in Databases (KDD). Mineração de Dados é a etapa em KDD responsável pela seleção dos métodos a serem utilizados para localizar padrões nos dados, seguida da efetiva busca por padrões de interesse numa forma particular de representação, juntamente com a busca