RESUMO: |
|
O mapeamento de fatores ambientais,
de solo e de produtividade de uma determinada cultura produz uma grande
quantidade de dados que podem conter informações importantes
a serem usadas em processos de tomada de decisão sobre ações
no campo. A extração de informações potencialmente
úteis e implícitas em bases de dados é o principal
objetivo da área denominada Mineração de Dados, a
qual utiliza técnicas de Inteligência Artificial, como Árvore de Decisão (AD) e Algoritmos Genéticos (AGs), na execução de suas tarefas. O objetivo desse trabalho foi comparar resultados obtidos por essas técnicas na mineração de dados de características físico-químicas do solo e de produtividade da soja, obtidos experimentalmente. Os códigos para a Árvore de Decisão e para o Algoritmo Genético foram implementados nas linguagens Prolog e Borland Delphi® Professional, respectivamente. Os resultados foram apresentados na forma de regras de produção, tendo sido a meta obter regras que predissessem índices de produtividade acima de 2t/ha, com 100% de confiança. As regras geradas pelo algoritmo de Árvore de Decisão utilizaram os operadores < ou >= para relacionar um determinado valor a cada um dos atributos analisados. O Algoritmo Genético, pela facilidade em manipular números contínuos, possibilitou o uso de mais operadores, aceitando também nas regras a adoção de intervalo de valores para um atributo. Quanto à composição das regras, a AD apresentou maior variedade de atributos, enquanto que no AG a variabilidade notada foi mais especificamente nos valores, uma vez que as regras concentraram-se em torno de certos atributos, considerados os mais importantes. Assim, conclui-se que o Algoritmo Genético possibilitou um melhor tratamento dos dados pela diversidade de operadores, pela busca global e por simplificar o pré-processamento dos atributos, manipulando valores contínuos. Palavras-chave: Algoritmo Genético, Árvore de Decisão, características físicoquímicas do solo |