Comparação de métodos de imputação para dados de pecuária de precisão (2023)
- Authors:
- Autor USP: BRANCAGLIONI, VIVIAN APARECIDA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LCE
- DOI: 10.11606/T.11.2023.tde-05062023-144256
- Subjects: ALGORITMOS; ANÁLISE DE DADOS LONGITUDINAIS; PECUÁRIA; ZOOTECNIA DE PRECISÃO
- Keywords: Imputação múltipla; Métodos de imputação
- Agências de fomento:
- Language: Português
- Abstract: Durante a condução de um experimento ou pesquisa é comum existir perda de informação, seja por preenchimento incorreto do banco de dados ou por falta de informação para algumas observações de determinada variável. Isso ocorre por motivos que muitas vezes não se sabe definir, d essa forma, o valor que deveria ter sido coletado se configura como valor ausente, tornando o conjunto de dados obtido incompleto. Estudos com a presença de observações ausentes são muito comuns em grande parte das áreas do conhecimento, e com dados obtidos a partir da pecuária da precisão não seria diferente. Dados de pecuária de precisão auxiliam o setor agropecuário a acompanhar, mapear e identificar problemas e buscar soluções. O conjunto de dados utilizado neste trabalho provém da pecuária de precisão, no qual pode-se acompanhar a oscilação de peso de 38 animais, das raças Nelore e Cruzado Britânico, divididos entre macho inteiro e macho castrado. Esses dados foram coletados a partir de um sistema de plataforma de pesagem automática. No entanto, durante as pesagens algumas informações de peso foram perdidas e o objetivo deste trabalho foi comparar o desempenho de quatro métodos de imputação de dados da classe MICE, implementados no software R por meio do pacote mice: método de média preditiva (PMM), método baseado na regressão linear bayesiana (BLR), árvore de classificação e regressão (CART) e floresta aleatória (RF). Esses métodos foram comparados por meio de quatro critérios, raiz do erroquadrático médio (RMSE), pelo coeficiente d e correlação d e Pearson, índice de acurácia de Willmott e índice de desempenho. A análise foi conduzida da seguinte forma: primeiro foram removidas as observações com valor de peso faltante do conjunto de dados original, obtendo-se um conjunto completo; e a partir dele foram criados novos bancos com diferentes porcentagens de dados faltantes, 5%, 10% e 15%, removidos aleatoriamente. A partir desses novos cenários obtidos, cada um dos métodos foram aplicados, sendo consideradas 5 e 10 iterações. Pôde-se observar que não houve diferença para as imputações em todos os métodos e cenários com relação a quantidade de iterações. Fixando-se os métodos e comparando as diferentes proporções de dados faltantes, observou-se uma diminuição da variabilidade das medidas que envolvem os critérios de comparação para os diferentes métodos, exceto para o método de floresta aleatória, para maior quantidade de ausências. Quando comparados os métodos, fixando-se os cenários, foi possível observar que o método de árvore de classificação e r egressão teve melhor desempenho e o método de floresta aleatória se destacou de forma negativa. Ao aplicar os métodos no conjunto de dados originais, foi observado resultado semelhante, sendo o método CART o mais adequado para substituir os valores faltantes
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2023
- Data da defesa: 05.04.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
BRANCAGLIONI, Vivian Aparecida. Comparação de métodos de imputação para dados de pecuária de precisão. 2023. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05062023-144256/. Acesso em: 27 set. 2024. -
APA
Brancaglioni, V. A. (2023). Comparação de métodos de imputação para dados de pecuária de precisão (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05062023-144256/ -
NLM
Brancaglioni VA. Comparação de métodos de imputação para dados de pecuária de precisão [Internet]. 2023 ;[citado 2024 set. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05062023-144256/ -
Vancouver
Brancaglioni VA. Comparação de métodos de imputação para dados de pecuária de precisão [Internet]. 2023 ;[citado 2024 set. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05062023-144256/ - Determination of Sitotroga cerealella infestation in wheat seeds by radiographic and multispectral images
- Análise do nível de escolaridade e formação acadêmica dos docentes da educação básica do Brasil no ano de 2017 por meio do uso de técnicas multivariadas
- Integrating optical imaging tools for rapid and non-invasive characterization of seed quality: Tomato (Solanum lycopersicum L.) and Carrot (Daucus carota L.) as study cases
Informações sobre o DOI: 10.11606/T.11.2023.tde-05062023-144256 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas