|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital; Embrapa Pantanal; Embrapa Pecuária Sudeste. |
Data corrente: |
15/12/2023 |
Data da última atualização: |
15/12/2023 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
ABREU, U. G. P. de; THOLON, P.; LIMA, H. P. de. |
Afiliação: |
URBANO GOMES PINTO DE ABREU, CPAP; PATRICIA THOLON, CPPSE; HELANO POVOAS DE LIMA, CNPTIA. |
Título: |
Classificação do desempenho dos rebanhos de seleção Nelore por meio de aprendizado de máquina. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 14., 2023, Natal. Avanços na agricultura digital colaborativa: anais. Natal: Universidade Federal do Rio Grande do Norte, 2023. |
Idioma: |
Português |
Notas: |
SBIAGRO 2023. |
Conteúdo: |
O 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. |
Palavras-Chave: |
Aprendizado de máquina; Árvore de decisão; Árvores de modelo logístico; Característica; Classificação de animais; Data mining; Decision tree; Floresta randômica; Logistic model trees; Machine learning; Mineração de dados; Random forest; Seleção de rebanhos. |
Thesagro: |
Gado Nelore; Melhoramento Genético Animal; Rebanho; Seleção. |
Categoria do assunto: |
-- L Ciência Animal e Produtos de Origem Animal |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1159796/1/sbi-agro-2023-2.pdf
|
Marc: |
LEADER 01961nam a2200349 a 4500 001 2159796 005 2023-12-15 008 2023 bl uuuu u00u1 u #d 100 1 $aABREU, U. G. P. de 245 $aClassificação do desempenho dos rebanhos de seleção Nelore por meio de aprendizado de máquina.$h[electronic resource] 260 $aCONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 14., 2023, Natal. Avanços na agricultura digital colaborativa: anais. Natal: Universidade Federal do Rio Grande do Norte$c2023 500 $aSBIAGRO 2023. 520 $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. 650 $aGado Nelore 650 $aMelhoramento Genético Animal 650 $aRebanho 650 $aSeleção 653 $aAprendizado de máquina 653 $aÁrvore de decisão 653 $aÁrvores de modelo logístico 653 $aCaracterística 653 $aClassificação de animais 653 $aData mining 653 $aDecision tree 653 $aFloresta randômica 653 $aLogistic model trees 653 $aMachine learning 653 $aMineração de dados 653 $aRandom forest 653 $aSeleção de rebanhos 700 1 $aTHOLON, P. 700 1 $aLIMA, H. P. de
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Pantanal (CPAP) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 10 | |
3. | | RIBEIRO, C. A. G.; TANURE, J. P. M.; MACIEL, T. E. F.; BARROS, E. G. de. Molecular characterization of soybean cultivars by microsatellite markers with universal tail sequence. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 48, n. 3, p. 270-279, mar. 2013. Título em português: Caracterização molecular de cultivares de soja por meio de marcadores microssatélites com sequência de cauda universal.Biblioteca(s): Embrapa Unidades Centrais. |
| |
5. | | RODRIGUES, A. N.; BISCOLA, P. H. N.; TANURE, J. P. M.; ALMEIDA, J. G. de; ANDREU, M. P.; CARROMEU, C. Módulo de gestão da qualidade do Pandora. In: JORNADA CIENTÍFICA EMBRAPA GADO DE CORTE, 10., 2014, Campo Grande, MS. [Anais da..]. Campo Grande, MS: Embrapa Gado de Corte, 2014. p.12-13. 2 p. (Embrapa Gado de Corte. Documentos, 208). Comissão organizadora: Grácia Maria Soares Rosinha, Alexandra Rocha de Oliveira, Rodrigo Carvalho Alva.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Gado de Corte. |
| |
6. | | RIBEIRO, C. A. G.; TANURE, J. P. M.; MACIEL, T. E. F.; VILAÇA, S. T.; MARCELINO, F. C.; BARROS, E. G. Desenvolvimento de sistema de genotipagem molecular, baseado em marcadores microssatélites, para determinar a identidade genética de cultivares de tabaco. In: CONGRESSO BRASILEIRO DE GENÉTICA, 56., 2010, Guarujá. Resumos... [Curitiba]: UFPR, 2010. p. 162.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Soja. |
| |
7. | | SIMPLICIO, E. R.; TANURE, J. P. M.; SOUZA, K. C. G. de; ANDREU, M. P.; SILVA, R. da; PINHEIRO, S. S.; TUPINAMBA, D. D. Gestão de contratos e boas práticas para o uso sustentável de energia elétrica: manual para melhorias nas Unidades da Embrapa. Campo Grande, MS: Embrapa Gado de Corte, 2020. (Embrapa Gado de Corte. Documentos, 278)Biblioteca(s): Embrapa Gado de Corte. |
| |
10. | | FERREIRA, A. B. R.; TANURE, J. P. M.; ALMEIDA, J. G. de; DIEHL, L. de O.; SANTOS, M. G. dos; VILELA, M. de M.; ANDREU, M. P.; OLIVEIRA, R. H. M. de. Manual de boas práticas e segurança em laboratórios da Embrapa Gado de Corte. Campo Grande, MT: Embrapa Gado de Corte, 2017. 64 p. (Embrapa Gado de Corte. Documentos, 234).Biblioteca(s): Embrapa Gado de Corte. |
| |
Registros recuperados : 10 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|