Análise comparativa de métodos computacionais para a classificação de estoque : redes neurais, kNN e SVM.

Abstract

O principal objetivo foi realizar uma análise comparativa de métodos computacionais para a classificação de estoque com os metodos de Redes Neurais, kNN e SVM comparando suas performances entre si e com uma classificação de referência. Para alcançar este objetivo, foi realizada uma série de etapas: 1. Pré-processamento e limpeza dos dados 2. Análise de características e seleção de atributos 3. Treinamento, validação e avaliação dos modelos selecionados 4. Comparação dos resultados e conclusão. Os modelos selecionados foram kNN, Redes Neurais e SVM. Os dados foram pré-processados para remover NaNs e outliers e os atributos relevantes foram selecionados para cada modelo. Os modelos foram treinados usando k-fold cross-validation e avaliados usando métricas como a acurácia, precisão, revocação, F1-Score e AUC. Os resultados foram comparados com uma classificação de referência. Os resultados mostraram que o modelo kNN obteve os melhores resultados com uma acurácia de 91,2%, seguido pelo SVM com 90,7% e Redes Neurais com 89,9%. Todos os modelos superaram a classificação de referência em pelo menos 8% em todas as métricas. Em conclusão, o modelo kNN foi o melhor modelo para classificar o estoque, seguido pelo SVM e Redes Neurais.