Exportar registro bibliográfico


Metrics:

Predição de deságios em leilões de transmissão da ANEEL com o uso de Inteligência Artificial interpretável (2022)

  • Authors:
  • Autor USP: MIGLIATO, LUIZ FELIPE CASALI - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SME
  • DOI: 10.11606/D.55.2022.tde-29032023-141721
  • Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL
  • Keywords: Árvores de decisão; CatBoost; Decision trees; Random Forest; Random Forest; XGBoost; XGBOOST, CatBoost
  • Language: Português
  • Abstract: A predição de resultados futuros através do uso da inteligência artificial é uma aplicação relevante em diversas áreas, como a industrial, financeira, agronegócio, entre outras. A aplicação de inteligência artificial interpretável pode trazer um conhecimento adicional dos dados para os especialistas, além de poder ser traduzida em vantagem competitiva pelas empresas que a utiliza. Dessa forma, para os Leilões de Transmissão da ANEEL buscou-se investigar a capacidade preditiva de quatro algoritmos de Aprendizado de Máquina interpretáveis, mais especificamente Árvore de Decisão, Random Forest, XGBoost e CatBoost, em contextos gerados a partir de diferentes métodos de seleção de variáveis. A comparação e a avaliação do desempenho dos modelos gerados por esses algoritmos foram feitas a partir das métricas RMSE e R 2 , bem como o teste de hipótese de Friedman e o teste post-hoc de Nemenyi. Os resultados demonstraram que o contexto mais adequado foi o CatBoost com todas as variáveis. Assim, foi estudada a interpretabilidade do modelo através das árvores geradas e os atributos mais destacados, além de ser aplicado para predizer deságios em lotes de Leilões da ANEEL utilizando dados reais não visto
  • Imprenta:
  • Data da defesa: 09.12.2022
  • Acesso à fonteAcesso à fonteDOI
    Informações sobre o DOI: 10.11606/D.55.2022.tde-29032023-141721 (Fonte: oaDOI API)
    • Este periódico é de acesso aberto
    • Este artigo NÃO é de acesso aberto

    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MIGLIATO, Luiz Felipe Casali. Predição de deságios em leilões de transmissão da ANEEL com o uso de Inteligência Artificial interpretável. 2022. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-29032023-141721/. Acesso em: 27 fev. 2026.
    • APA

      Migliato, L. F. C. (2022). Predição de deságios em leilões de transmissão da ANEEL com o uso de Inteligência Artificial interpretável (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-29032023-141721/
    • NLM

      Migliato LFC. Predição de deságios em leilões de transmissão da ANEEL com o uso de Inteligência Artificial interpretável [Internet]. 2022 ;[citado 2026 fev. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-29032023-141721/
    • Vancouver

      Migliato LFC. Predição de deságios em leilões de transmissão da ANEEL com o uso de Inteligência Artificial interpretável [Internet]. 2022 ;[citado 2026 fev. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-29032023-141721/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2026