Matches in SemOpenAlex for { <https://semopenalex.org/work/W2896749410> ?p ?o ?g. }
Showing items 1 to 49 of
49
with 100 items per page.
- W2896749410 abstract "Lidar com dados massivos sem perda ou distorção de resultados requer a aplicação de técnicas aprimoradas de mineração de dados (Witten, Frank, & Hall, 2011). O problema não tratado dos dados faltantes distorce a realidade gerando modelos tendenciosos (Haukoos & Newgard, 2007). Aqui é exposto um ensaio sobre o problema de dados faltantes em pesquisas clínicas mediante técnicas de mineração de dados, métodos estatísticos de regressão linear e múltipla imputação. Foram analisados relatórios de dosimetria citogenética, dos acidentados com o Césio-137 em Goiânia, divididos quanto ao índice de dermatites apresentadas em: Grupo I e Grupo II. O Grupo I, apresentou percentagem de dados faltantes de quase vinte e oito por cento, já o Grupo II, apresentou falta de dados de cerca de sessenta e dois por cento, havendo assim nos dois casos, a degradação da amostra. Para os dois grupos foram aplicados métodos de regressão linear pré- e pós-imputação. O estudo exposto neste trabalho, mostra que a preocupação de pesquisadores, quanto à coleta de dados (Haukoos & Newgard, 2007), é realmente relevante. A imputação múltipla revela-se uma excelente escolha para o tratamento de dados faltantes, culminando na realização de modelos mais acurados, dirimindo deste modo, problemas de degradação da amostra." @default.
- W2896749410 created "2018-10-26" @default.
- W2896749410 creator A5025941925 @default.
- W2896749410 creator A5036160531 @default.
- W2896749410 creator A5062708884 @default.
- W2896749410 date "2018-03-18" @default.
- W2896749410 modified "2023-09-25" @default.
- W2896749410 title "TÉCNICAS DE EXTRAÇÃO DE CONHECIMENTO POR MEIO DE DADOS FALTANTES E MINERAÇÃO DE DADOS SOBRE AS VÍTIMAS DO CÉSIO-137: Uso De Imputação Múltipla Para Obtenção De Modelos Acurados." @default.
- W2896749410 cites W1963654454 @default.
- W2896749410 cites W1976832619 @default.
- W2896749410 cites W2024306642 @default.
- W2896749410 cites W2047145024 @default.
- W2896749410 cites W2080041136 @default.
- W2896749410 cites W2085673745 @default.
- W2896749410 cites W2090074590 @default.
- W2896749410 cites W2096391232 @default.
- W2896749410 cites W2126135055 @default.
- W2896749410 cites W2127841934 @default.
- W2896749410 cites W2129084335 @default.
- W2896749410 cites W2150455963 @default.
- W2896749410 cites W2171353342 @default.
- W2896749410 cites W2620967559 @default.
- W2896749410 cites W3124609882 @default.
- W2896749410 doi "https://doi.org/10.33837/msj.v1i7.195" @default.
- W2896749410 hasPublicationYear "2018" @default.
- W2896749410 type Work @default.
- W2896749410 sameAs 2896749410 @default.
- W2896749410 citedByCount "0" @default.
- W2896749410 crossrefType "journal-article" @default.
- W2896749410 hasAuthorship W2896749410A5025941925 @default.
- W2896749410 hasAuthorship W2896749410A5036160531 @default.
- W2896749410 hasAuthorship W2896749410A5062708884 @default.
- W2896749410 hasBestOaLocation W28967494101 @default.
- W2896749410 hasConcept C121332964 @default.
- W2896749410 hasConcept C138885662 @default.
- W2896749410 hasConcept C15708023 @default.
- W2896749410 hasConcept C33923547 @default.
- W2896749410 hasConceptScore W2896749410C121332964 @default.
- W2896749410 hasConceptScore W2896749410C138885662 @default.
- W2896749410 hasConceptScore W2896749410C15708023 @default.
- W2896749410 hasConceptScore W2896749410C33923547 @default.
- W2896749410 hasLocation W28967494101 @default.
- W2896749410 hasLocation W28967494102 @default.
- W2896749410 hasOpenAccess W2896749410 @default.
- W2896749410 hasPrimaryLocation W28967494101 @default.
- W2896749410 isParatext "false" @default.
- W2896749410 isRetracted "false" @default.
- W2896749410 magId "2896749410" @default.
- W2896749410 workType "article" @default.