USANDO APRENDIZADO DE MÁQUINA EM ANÁLISES PREDITIVAS SOBRE PEQUENOS DATASETS DE DADOS DE SOLOS

Caroline Silva de Oliveira; Sérgio Manuel Serra da Cruz

Todos os Trabalhos

Trabalho

Título do Trabalho

USANDO APRENDIZADO DE MÁQUINA EM ANÁLISES PREDITIVAS SOBRE PEQUENOS DATASETS DE DADOS DE SOLOS

Autores

Caroline Silva de Oliveira
Sérgio Manuel Serra da Cruz

Modalidade

Resumo

Área temática

Ciências Exatas e da Terra - Ciência da Computação

Data de Publicação

22/04/2025

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/xi-raic-e-v-raidtec-ufrrj/931207-usando-aprendizado-de-maquina-em-analises-preditivas-sobre-pequenos-datasets-de-dados-de-solos

ISBN

978-65-272-1295-9

Palavras-Chave

Opensoils, Inteligência Artificial, Sustentabilidade

Resumo

O solo é um recurso natural, limitado e essencial para o desenvolvimento da vida. Visando aproveitar de modo mais sustentável tais recursos, este estudo propõe uma abordagem computacional, que consiste na utilização de um dataset com centenas de registros, para a identificação dos tipos de solo, utilizando técnicas de Inteligência Artificial a partir da plataforma OpenSoils (www.opensoils.org) que reúne dados abertos de solos brasileiros (Marinho et al., 2023). A plataforma está passando por um processo de modernização para se tornar mais ágil e assertiva na análise de dados. OpenSoils já segue os padrões de Open Science e e-Science sugeridos pela comunidade científica internacional, assim como os Princípios FAIR para o gerenciamento de grandes volumes de dados. Como metodologia de pesquisa, foi escolhida a técnica de aprendizado de máquina supervisionado denominada árvore de decisão, recomendada por suas regras simples no tratamento de dados de baixa complexidade. Foram escolhidos os dados referentes a utilização do solo no perímetro da Fazendinha Agroecológica km 47, Seropédica – RJ. Pois trata-se de um tradicional espaço de pesquisas em agricultura orgânica, mantido por uma parceria entre a Embrapa, a Pesagro-Rio e a UFRRJ. No entanto, apesar de sua relevância e importância, a Fazendinha possui pequena quantidade de perfis de solos, consequentemente, poucos dados de solos. Os códigos da contribuição computacional utilizaram apenas máquinas de baixíssimo custo com poucos recursos computacionais e foram produzidos em linguagem Python diretamente nas interfaces do Google Colab. Este código extrai os dados de um dataset maior e realiza as etapas de tratamento de dados do ciclo de vida da engenharia de dados, como, por exemplo, a limpeza, o preenchimento de dados faltantes, o tratamento de dados outliers para evitar o overfitting e, finalmente, separa o arquivo em duas partes (até 60% dos dados para treinamento e até 40% para testes). Os dados referem-se aos tipos de solos encontrada na área. Visando várias análises de desempenho e assertividade sobre pequenos datasets, variou-se o quantitativo de dados de teste entre 10% e 40%, com intervalos de 5% entre as amostras, para compreender a relação entre as métricas de acurácia, precisão, recall e F1-Score em relação ao tamanho do dataset. A acurácia indica a quantidade de acertos do nosso modelo dividido pelo total de dados. A precisão avalia os verdadeiros positivos, ou seja, a quantidade de vezes que o modelo acerta em relação ao total de vezes que ele tenta acertar. O recall avalia os verdadeiros negativos, quantificando as vezes que o modelo acerta em relação ao total de vezes que ele deveria ter acertado. Já o F1-Score é uma métrica que combina precisão e recall de maneira equilibrada. Os resultados dos experimentos iniciais mostram os seguintes valores: Para 20% dos dados: acuraria = 0,364; Precisão = 0,438; Recall = 0,5 e F1-Score = 0,458; para 25% dos dados: acuraria = 0,538; Precisão = 0,494; Recall = 0,625 e F1-Score = 0,531 e, para 30% dos dados: acuraria = 0,438; Precisão = 0,472; Recall = 0,625 e F1-Score = 0,5. Conclui-se que, tendo o F1-Score como métrica base, o valor de 25% sobre os dados de teste apresenta o melhor desempenho em pequenos datasets de dados. Os experimentos mostram que, mesmo diante de amostras de tamanho limitado, ainda é possível aplicar classificadores de dados; no entanto, a baixa eficiência (em torno de 53%) em datasets com poucos registros indica que novos métodos analíticos podem ser explorados. REFERÊNCIAS: MARINHO, É. C. et al. OpenSoils: Uma Plataforma de Apoio à Agricultura Digital Brasileira (2023). In: SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 19. , 2023, Maceió/AL. Anais [...]. Porto Alegre: SBC, 2023. p. 90-92. DOI: https://doi.org/10.5753/sbsi_estendido.2023.229255.

Título do Evento: XI Reunião Anual de Iniciação Científica da UFRRJ (RAIC 2024) & V Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec 2024)
Cidade do Evento: Seropédica
Título dos Anais do Evento: Anais da XI Reunião Anual de Iniciação Científica da UFRRJ (RAIC) e V Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec): Transição energética: impactos ambientais e sociais
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

OLIVEIRA, Caroline Silva de; CRUZ, Sérgio Manuel Serra da. USANDO APRENDIZADO DE MÁQUINA EM ANÁLISES PREDITIVAS SOBRE PEQUENOS DATASETS DE DADOS DE SOLOS.. In: Anais da XI Reunião Anual de Iniciação Científica da UFRRJ (RAIC) e V Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec): Transição energética: impactos ambientais e sociais. Anais...Seropédica(RJ) UFRRJ, 2024. Disponível em: https//www.even3.com.br/anais/xi-raic-e-v-raidtec-ufrrj/931207-USANDO-APRENDIZADO-DE-MAQUINA-EM-ANALISES-PREDITIVAS-SOBRE-PEQUENOS-DATASETS-DE-DADOS-DE-SOLOS. Acesso em: 15/01/2026