Descoberta de conhecimento aplicando regras de associação na ferramenta WEKA
Palavras-chave:
KDD, WEKA, Regra de associação, Informações ocultas, AprioriResumo
Nos últimos anos vem aumentando o uso das técnicas de mineração de dados para descoberta de novos conhecimentos, devido à grande quantidade de registros armazenados em um ou mais bancos de dados. Torna-se complexa a utilização de técnicas tradicionais para produzir relacionamentos entre os elementos, que seja capaz de descobrir irregularidades, padrões e ligações para suportar a tomada de decisão. Sendo assim, este estudo vai utilizar a metodologia denominada KDD (Knowledge Discovery in Database – Descoberta de conhecimento em Banco de Dados). A base de dados é de uma avaliação institucional, a qual contém perguntas e respostas sobre um determinado curso. Para isso foi necessário utilizar o software WEKA (Waikato Enviroment for Knowledge Analysis), que permite o uso das regras de associação, a qual faz o uso do algoritmo Apriori. Dessa forma, o uso das regras de associação mostrou-se eficaz para descoberta de informações ocultas, as quais podem se tornar dados privilegiados para os gestores.
Publicado
Versões
- 2018-12-04 (1)
- 2018-12-04 (1)
Edição
Seção
Ao encaminhar textos à Uniuv em Revista, o autor estará cedendo integralmente seus direitos patrimoniais da obra à publicação, permanecendo detentor de seus direitos morais (autoria e identificação da obra), conforme estabelece a legislação específica. O trabalho publicado é considerado colaboração e, portanto, o autor não receberá qualquer remuneração para tal, bem como nada lhe será cobrado em troca para a publicação. Os textos são de responsabilidade de seus autores. Citações e transcrições são permitidas mediante menção das fontes.
Uniuv em Revista está sob a Licença Creative Commons