01961nam a2200349 a 450000100080000000500110000800800410001910000230006024501270008326001740021050000180038452007890040265000160119165000340120765000120124165000140125365300280126765300240129565300340131965300200135365300310137365300160140465300180142065300240143865300250146265300210148765300250150865300180153365300260155170000150157770000190159221597962023-12-15       2023    bl uuuu     u00u1 u    #d1 aABREU, U. G. P. de  aClassificação do desempenho dos rebanhos de seleção Nelore por meio de aprendizado de máquina.h[electronic resource]  aCONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 14., 2023, Natal. Avanços na agricultura digital colaborativa: anais. Natal: Universidade Federal do Rio Grande do Nortec2023  aSBIAGRO 2023.  aO objetivo deste trabalho foi, por meio de técnicas de mineração de dados, classificar os animais de dois rebanhos da Embrapa, em função das réguas de DEP genômicas (DEPg), para identificar os principais atributos (características) que direcionam o entendimento dos diferentes objetivos de seleção nos dois rebanhos. Selecionaram-se oito atributos, para análise de classificação dos animais. Para realizar a classificação dos animais em função do rebanho foram utilizados três algoritmos supervisionados, buscando verificar qual apresentaria o melhor desempenho: árvore de decisão (J48), árvores de modelo logístico (LMT) e floresta randômica (Random Forest - RF). O algoritmo mais acurado foi o Random Forest, que modelou os dados com maior ajuste e acurácia.  aGado Nelore  aMelhoramento Genético Animal  aRebanho  aSeleção  aAprendizado de máquina  aÁrvore de decisão  aÁrvores de modelo logístico  aCaracterística  aClassificação de animais  aData mining  aDecision tree  aFloresta randômica  aLogistic model trees  aMachine learning  aMineração de dados  aRandom forest  aSeleção de rebanhos1 aTHOLON, P.1 aLIMA, H. P. de