| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
04/02/2016 |
|
Data da última atualização: |
05/02/2016 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
VIEIRA, F. D.; OLIVEIRA, S. R. de M.; PAIVA, S. R. |
|
Afiliação: |
FÁBIO DANILO VIEIRA, CNPTIA; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA; SAMUEL REZENDE PAIVA, SRI. |
|
Título: |
Metodologia baseada em técnicas de mineração de dados para suporte à certificação de raças de ovinos. |
|
Ano de publicação: |
2015 |
|
Fonte/Imprenta: |
Engenharia Agrícola, Jaboticabal, v. 35, n. 6, p. 1172-1186, nov./dez. 2015. |
|
DOI: |
http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v35n6p1172-1186/2015 |
|
Idioma: |
Português |
|
Notas: |
Journal of the Brazilian Association of Agricultural Engineering. |
|
Conteúdo: |
O objetivo deste trabalho foi desenvolver uma metodologia baseada em técnicas de mineração de dados para selecionar os principais marcadores SNP (Single Nucleotide Polymorphism) para as raças de ovinos: Crioula, Morada Nova e Santa Inês. Os dados utilizados foram obtidos do Consórcio Internacional de Ovinos e são compostos por 72 animais das raças citadas, e cada animal possui 49.034 marcadores SNP. Considerando que o número de atributos (marcadores) é muito maior que o de observações (animais), foram aplicadas as técnicas de predição LASSO (Least Absolute Shrinkage and Selection Operator), Random Forest e Boosting para a geração de modelos preditivos que incorporam métodos de seleção de atributos. Os resultados revelaram que os modelos preditivos selecionaram os principais marcadores SNP para identificação das raças estudadas. O modelo LASSO selecionou um total de 29 marcadores relevantes. A partir dos modelos Random Forest e Boosting, foram obtidos 27 e 20 marcadores importantes, respectivamente. Por meio da intersecção dos modelos gerados, identificou-se um subconjunto de 18 marcadores com maior potencial de identificação das raças. |
|
Palavras-Chave: |
Feature selection; Modelos preditivos; Penalized regression; Polimorfismo de nucleotídeo único; Predictive modeling; Regressão penalizada; Seleção de atributos. |
|
Thesaurus Nal: |
Models; Single nucleotide polymorphism. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/138468/1/AP-Metodologia-Vieira.pdf
|
|
Marc: |
LEADER 02191naa a2200277 a 4500
001 2036157
005 2016-02-05
008 2015 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.1590/1809-4430-Eng.Agric.v35n6p1172-1186/2015$2DOI
100 1 $aVIEIRA, F. D.
245 $aMetodologia baseada em técnicas de mineração de dados para suporte à certificação de raças de ovinos.$h[electronic resource]
260 $c2015
500 $aJournal of the Brazilian Association of Agricultural Engineering.
520 $aO objetivo deste trabalho foi desenvolver uma metodologia baseada em técnicas de mineração de dados para selecionar os principais marcadores SNP (Single Nucleotide Polymorphism) para as raças de ovinos: Crioula, Morada Nova e Santa Inês. Os dados utilizados foram obtidos do Consórcio Internacional de Ovinos e são compostos por 72 animais das raças citadas, e cada animal possui 49.034 marcadores SNP. Considerando que o número de atributos (marcadores) é muito maior que o de observações (animais), foram aplicadas as técnicas de predição LASSO (Least Absolute Shrinkage and Selection Operator), Random Forest e Boosting para a geração de modelos preditivos que incorporam métodos de seleção de atributos. Os resultados revelaram que os modelos preditivos selecionaram os principais marcadores SNP para identificação das raças estudadas. O modelo LASSO selecionou um total de 29 marcadores relevantes. A partir dos modelos Random Forest e Boosting, foram obtidos 27 e 20 marcadores importantes, respectivamente. Por meio da intersecção dos modelos gerados, identificou-se um subconjunto de 18 marcadores com maior potencial de identificação das raças.
650 $aModels
650 $aSingle nucleotide polymorphism
653 $aFeature selection
653 $aModelos preditivos
653 $aPenalized regression
653 $aPolimorfismo de nucleotídeo único
653 $aPredictive modeling
653 $aRegressão penalizada
653 $aSeleção de atributos
700 1 $aOLIVEIRA, S. R. de M.
700 1 $aPAIVA, S. R.
773 $tEngenharia Agrícola, Jaboticabal$gv. 35, n. 6, p. 1172-1186, nov./dez. 2015.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 258 | |
| 84. |  | BAMBINI, M. D.; MENDES, C. I. C.; MOURA, M. F.; OLIVEIRA, S. R. de M. Software para agropecuária: panorama do mercado brasileiro. Parcerias Estratégicas, Brasília, DF, v. 18, n. 36, p. 175-198, jan.-jun. 2013.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Agricultura Digital. |
|    |
| 89. | | CRIVELENTI, R. C.; COELHO, R. M.; ADAMI, S. F.; OLIVEIRA, S. R. de M. Mineração de dados para inferência de relações solo-paisagem em mapeamentos digitais de solo. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 44, n. 12, p.1707-1715, dez. 2009| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Unidades Centrais. |
| |
| 95. | | DOURADO, C. S.; AVILA, A. M. H. de; OLIVEIRA, S. R. de M. Extreme events of precipitation in the rainy season of the state of Bahia. In: SIMPÓSIO INTERNACIONAL DE CLIMATOLOGIA, 5.; ENCONTRO SUL BRASILEIRO DE METEOROLOGIA, 5.; CONGRESSO LATINO-AMERICANO E IBÉRICO DE METEOROLOGIA DA FLISMET, 15., 2013, Florianópolis. Interação oceano-atmosfera: impactos climáticos no presente e cenários futuros: anais. [Florianópolis: Sociedade Brasileira de Meteorologia]: 2013. Não paginado. Resumo em português: Eventos extremos de precipitação na estação chuvosa do estado da Bahia. SIC 2013.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 258 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
