Serviços Personalizados
Journal
Artigo
Indicadores
Citado por SciELO
Acessos
Links relacionados
Citado por Google
Similares em SciELO
Similares em Google
Compartilhar
Revista Facultad de Ingeniería
versão impressa ISSN 0121-1129versão On-line ISSN 2357-5328
Resumo
TIMARAN-PEREIRA, Ricardo; CHAVES-TORRES, Anivar e ORDONEZ-ERAZO, Hugo. Algoritmo de árvore de decisão fracamente acoplado ao PostgreSQL. Rev. Fac. ing. [online]. 2023, vol.32, n.66, e16777. Epub 21-Nov-2023. ISSN 0121-1129. https://doi.org/10.19053/01211129.v32.n66.2023.16777.
A utilização de Machine Learning para gestão de dados é uma oportunidade extraordinária para avançar para um modelo de liderança baseado em informação, que impulsiona a organização para o sucesso em cada uma das suas iniciativas. No entanto, uma empresa, ao incorporar estas tecnologias, apresenta problemas associados aos custos económicos e administrativos gerados neste processo, uma vez que estes são normalmente bastante elevados, o que limita principalmente a sua implementação às MPME. Este artigo apresenta a proposta de integrar técnicas de aprendizado de máquina supervisionado ao SGBD PostgreSQL em uma arquitetura moderadamente acoplada, a fim de dotar este gestor de capacidades de descoberta de conhecimento em bancos de dados. Algoritmos de classificação e regressão serão acoplados através do desenvolvimento de extensões utilizando uma das linguagens procedurais suportadas pelo PostgreSQL. Inicialmente, o algoritmo de classificação de árvore de decisão C4.5 será implementado utilizando a linguagem processual PL/pgSQL. A principal vantagem desta estratégia é que a escalabilidade, administração e manipulação de dados do SGBD são levadas em consideração. Dado que o PostgreSQL é um gestor de código aberto, organizações como a MiPymes terão uma ferramenta gratuita que lhes permite realizar análises preditivas para melhorar os seus processos de tomada de decisão, sendo capazes de antecipar comportamentos futuros dos consumidores e tomar decisões racionais com base nas suas descobertas.
Palavras-chave : Algoritmo C4.5; arquitetura fracamente acoplada; PostgreSQL; técnicas de classificação.