Mineração de dados para inferência da relação solo ... - IAC

Universidade de Waikato, Nova Zelândia. O pacote Weka consiste de uma coleção dealgoritmos de aprendizado de máquina para tarefas de mineração de dados. Pode serusado para aplicar métodos de aprendizado a um conjunto de dados e analisar a saídapara extrair informações a partir dos dados de entrada (WEKA, 2006).O Weka usa arquivos de dados de treinamento onde devem ser explicitadas quaisvariáveis são permitidas para uma relação específica, bem como o tipo de dado de cadavariável, isto é, nominal ou valor numérico. O Weka pode detectar padrões em dadosque podem ser explorados mediante regras. Dos recursos disponíveis, foi utilizado osistema de aprendizado com o algoritmo de indução de árvore de decisão C4.5desenvolvido por QUINLAN (1983) e implementado em sua versão para linguagemJava (no Weka) com o nome J4.8, para gerar árvores de decisão (WEKA, 2006).Para a utilização do conjunto de dados, foi necessário um pré-processamento afim de torná-los compatíveis com o formato da ferramenta utilizada. Além disso, oalgoritmo de classificação requer que a variável a ser explicada seja uma variávelnominal, sendo necessário transformar os dados em variáveis nominais.A primeira etapa foi corrigir as matrizes de dados, pois estas apresentavamalguns dados que não contribuiriam no desenvolvimento do modelo, ou seja, retiraramseos dados conflitantes das tabelas. A folha Dois Córregos apresentou 794.273 linhasna tabela enquanto a folha São Pedro apresentou 826.136 linhas.Foi utilizada uma técnica de balanceamento de classes, que tem por finalidadeaumentar a proporção de amostragem nas classes com menor área de ocorrência ereduzir a proporção nas unidades com maior área, ou seja, elevar a representatividadedas classes com menor representatividade e diminuir a das com maiorrepresentatividade (BATISTA, 2003).Os balanceamentos das classes utilizados foram de: 0 (representa os dadosbrutos, sem balanceamento de classes), 0,5 (as classes são balanceadas de modointermediário entre zero e um) e 1 (situação na qual todas as classes apresentam mesmadistribuição na folha).Para a criação do modelo de aprendizagem solo - geomorfometria para os dadosbrutos e os diversos balanceamentos das classes, uma amostra de 10 % dos dados foiretirada aleatoriamente da matriz de dados pelo programa Weka, porém com todas asunidades de mapeamento contempladas, mantendo-se a proporção de cada uma. Apartir disso, o modelo de aprendizado foi gerado com os outros 90 % dos dados. Porfim, a acurácia de cada modelo foi obtida por aplicação do modelo gerado nos 10 % dos44