Mostrar el registro sencillo del ítem

dc.contributor.advisorCortimiglia, Marcelo Nogueirapt_BR
dc.contributor.authorMaman, Natan Hermano dept_BR
dc.date.accessioned2022-10-07T04:50:56Zpt_BR
dc.date.issued2017pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/249783pt_BR
dc.description.abstractO estudo apresentado aborda a aplicação de técnicas de data mining de classificação em dados de usuários no período de teste de um software para operações no mercado financeiro. O objetivo da pesquisa-ação realizada predizer a propensão dos usuário à assinatura do software a partir da aplicação de técnicas de data mining para a identificação e seleção de variáveis que permitam a classificação (alocação) nas categorias assinantes e não-assinantes. Através do processo de descobrimento de conhecimento em banco de dados foram aplicados quatro diferentes algoritmos, dessa forma, possibilitando a extração de conhecimento útil através dos dados. Os algoritmos aplicados foram os de Regressão Logística, Support Vector Machine , Naïve Bayes e Random Forest . A análise dos resultados aponta que o algoritmo de Random Forest apresentou o melhor desempenho na classificação dos usuários comparado aos outros modelos testados no estudo, com uma área sob a curva de 0,85, o que em parâmetros gerais, pode ser considerado um bom resultado.pt_BR
dc.description.abstractThe present study approaches the application of data mining techniques on classification of user data during the trial period of a software for financial market operations. The aim of this action research was to predict users' propensity to subscribe to the software through the application of data mining techniques to identify and select variables that allow the classification (allocation) of subscribers and non-subscribers. Through the process of knowledge discovery in database were applied four different algorithms, so, being possible to extract useful knowledge through the data. The applied algorithms were Logistic Regression, Support Vector Machine, Naïve Bayes and Random Forest. As result, the Random Forest algorithm presented the best performance in the classification of users compared to the other models tested in this study, with an area under the curve of 0.85, which in general parameters is associated as a good result.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectData miningen
dc.subjectMineração de dadospt_BR
dc.subjectComportamento do usuáriopt_BR
dc.subjectClassificationen
dc.subjectSoftwareen
dc.subjectUseren
dc.titleTécnicas de data mining na classificação de usuários em teste de um software do mercado financeiropt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001149948pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentEscola de Engenhariapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2017pt_BR
dc.degree.graduationEngenharia de Produçãopt_BR
dc.degree.levelgraduaçãopt_BR


Ficheros en el ítem

Thumbnail
   

Este ítem está licenciado en la Creative Commons License

Mostrar el registro sencillo del ítem