quarta-feira, 7 de abril de 2021

Machine Learning para Predisão - Regressão - Biodiversidade Animal

 Machine Learning para Predisão - Regressão - Biodiversidade Animal



Arquivo do Weka











Videoaula:

 

https://youtu.be/Thsnpu1cxr8



Machine Learning para Predição - Regressão

Exemplo de Biodiversidade Animal




Área de Cultivo de Grãos 

Soja - Milho - Algodão - Trigo - Aveia



 












Resultado do Weka

Linear Regression Model

Ibd_A =

      0.2508 * ICob_V +
      0.1578 * ICArb +
     -0.4855 * BCont +
      1.147  * Dist_Pla +
     52.8115























Exemplo de Biomonitor




Área de Cultivo de Grãos 

Soja - Milho - Algodão - Trigo - Aveia







Dados para Rodar no Weka
Arquivo

Autor: Gabriel Sarriés

DBO – Demanda Bioquímica de Oxigênio

ICobV – Índice de Cobertura Vegetal

ICArb – Índice de Cobertura Arbórea

IBCont – Bioindicador de Contaminação (agrotóxicos)

Dis_Pl – Distancia do plantio de grãos.

Primeiro em Excel

Depois em Weka e por Ultimo

Em SAS

Dinámica de Manipulação de Arquivos


DBO

ICobV

ICArb

Bcont

Dis_Pl

IBD_A

1,604

89

60

11

9

90

0,385

90

61

10

8,9

91

0,216

91

62

9

9,1

92

0,303

90

59

10

8,8

89

1,961

20

12

81

0,2

20

0,782

21

14

79

0,3

22

0,57

22

15

78

0,25

23

2,187

22

12

77

0,2

24

0,764

59

35

41

6

60

0,273

60

32

40

6,5

61

1,883

64

33

38

5,8

63

0,581

62

32

37

5,6

62

0,18

79

50

21

8,2

80

0,007

80

49

20

7,8

79

2,028

80

48

18

8,2

81

2,431

79

47

21

7,7

78




Arquivo para Weka (.arff)

@RELATION biodiv_Animal

@ATTRIBUTE dbo REAL

@ATTRIBUTE  ICob_V REAL

@ATTRIBUTE ICArb REAL

@ATTRIBUTE BCont REAL

@ATTRIBUTE Dist_Pla REAL

@ATTRIBUTE Ibd_A REAL

@DATA

6.416555198,60,99,99,5,90
1.538176272,61,98,99,6,91
...






































Regressão para Biologia - Biomonitor

 



Exemplo de Regressão no Excel (introdução a Machine Learnig para Previsão): 

     Biomonitor Garcina gardineriana (folhas) para  As na Mata Atlântica




Dados para Importar:

Distan.

As

(m)

(mg/kg)

100

0,98

200

0,95

300

0,85

400

0,86

500

0,59

600

0,45

700

0,32

800

0,15

900

0,11

1000

0,09

 


Resultados e Disc.

A distância da rodovia Anchieta influencia negativamente na quantidade de As do biomonitor, coeficiente de regressão estimado foi -0,00116, altamente significativo ( p < 0,0001). Assim a da metro de aumento da distância da rodovia diminui em média 0,00116 mg/kg de As no biomonitor.

A cada metro aumentado da rodovia a quantidade de As cai em média 0,00116 mg / kg.

 

 

( p < 0,0000007642)

A distância da rodovia Anchieta não influencia na quantidade de Al do biomonitor (p < 0,24)

 




Regressão Robusta - Pesquisa de Mercado

  Regressão Robusta - Pesquisa de Mercado


Programa SAS



Data gestao;

Input Anos_Form Dificul Tempo_Sem Concorr Sufi Dif_Empr Empresa Remun Est_Prof PG_Stric Empr_MA Empr_Sau Empr_Biot CD_IA_B Ges_CIQ W_Rel;

Cards;

14 3 0 4 3 2 2 2 5 4 3 3 3 3 3 9

14 2 6 5 4 3 2 3 4 3 2 4 4 5 3 6

14 3 0 3 4 2 3 2 5 4 4 3 4 1 1 9

14 3 0 4 4 2 1 3 4 4 2 3 3 1 2 9

13 2 0 4 4 3 3 3 5 4 4 4 4 2 2 18

14 3 0 5 3 3 2 2 4 5 3 3 3 3 4 9

13 3 0 3 4 3 1 3 4 5 3 4 4 4 1 0

14 4 0 5 3 4 3 3 5 4 4 3 5 4 4 0

6 3 0 5 3 3 3 3 5 5 3 3 3 5 1 108

6 3 0 5 3 3 3 3 5 5 3 3 3 5 1 108

13 5 0 3 4 4 3 3 5 2 3 3 3 2 1 0

14 3 6 4 4 4 4 1 3 3 5 4 5 1 1 9

13 3 18 3 4 3 2 3 3 3 3 4 3 2 1 9

2 4 0 5 1 5 5 3 5 2 1 4 4 5 5 132

1 5 18 5 3 3 5 2 5 4 5 2 3 3 5 84

13 2 0 4 4 3 3 2 5 4 4 4 4 4 1 18

14 4 6 5 3 3 5 2 4 3 3 4 5 1 1 9

3 5 12 5 5 5 5 1 5 3 5 5 4 4 5 132

4 1 0 5 5 3 4 2 4 5 5 4 5 3 1 9

6 1 0 3 5 3 2 3 5 3 2 3 4 5 1 18

3 1 0 5 4 3 4 3 5 4 4 4 4 1 3 132

4 2 0 4 3 4 5 3 5 3 4 4 3 2 2 132

5 2 0 4 5 3 5 3 5 5 3 3 5 5 5 108

13 2 6 4 4 3 4 2 5 3 3 3 3 2 1 18

7 4 0 5 4 4 3 2 5 3 2 4 4 4 3 84

8 3 0 5 3 5 4 2 5 5 3 3 3 5 3 60

3 3 0 5 5 5 3 2 5 3 3 4 4 4 4 132

2 3 36 4 4 5 5 2 3 5 5 4 5 1 1 108

7 3 0 5 2 5 5 1 3 3 1 1 4 3 5 84

3 5 0 4 4 5 5 1 5 5 3 3 5 4 4 108

4 1 0 5 4 4 3 2 3 5 3 5 3 2 2 84

11 1 0 3 4 2 4 2 4 4 3 3 4 4 5 36

5 5 0 5 5 4 4 3 5 5 4 4 4 1 1 84

7 5 72 5 3 4 5 4 5 5 5 1 5 1 5 84

3 4 0 4 5 5 5 3 4 5 4 4 4 4 2 108

12 2 18 5 4 4 4 2 5 5 5 5 5 5 2 36

8 2 0 5 4 3 4 2 4 3 4 4 4 1 3 60

8 2 0 5 4 3 4 2 4 3 4 4 4 1 3 60

13 1 0 5 5 3 3 3 5 2 2 4 4 1 4 18

1 3 0 3 4 4 4 3 5 5 3 3 4 5 4 132

1 3 0 3 4 4 4 3 5 5 3 3 4 5 4 132

1 3 0 3 4 4 4 3 5 5 3 3 4 5 4 132

4 3 0 4 4 3 3 3 5 3 5 4 4 1 5 5

6 3 0 5 4 4 3 4 5 5 5 5 5 5 4 132

2 4 12 4 3 3 3 3 5 3 3 3 4 5 1 132

1 3 0 3 4 4 4 3 5 5 3 3 4 5 4 132

4 2 0 5 5 4 5 3 5 3 3 3 4 3 4 132

9 1 2 5 3 4 5 2 5 3 1 4 5 5 5 60

6 5 0 4 3 4 5 2 5 5 3 2 4 4 3 84

1 3 12 5 4 5 4 1 5 3 4 4 5 4 3 132

6 5 12 5 3 4 3 1 4 3 5 5 5 5 5 84

6 2 0 4 4 5 4 2 5 1 2 4 3 4 4 108

2 2 0 5 4 3 3 2 5 4 5 3 4 1 2 132

13 5 18 1 1 5 5 1 5 5 2 5 2 4 5 18

9 3 0 5 5 4 5 2 4 5 2 2 4 3 1 60

7 5 0 5 3 5 5 1 5 5 1 3 5 4 5 108

11 5 48 4 3 4 3 3 5 4 3 4 3 2 3 0

10 2 0 3 3 3 4 2 5 4 4 2 4 4 4 60

;

/* Data gestão;

Input Anos_Form Dificul Tempo_Sem Concorr Sufi Dif_Empr Empresa Remun Est_Prof PG_Stric Empr_MA Empr_Sau Empr_Biot CD_IA_B Ges_CIQ W_Rel;

*/

Proc robustreg method = m;

  Model  W_Rel = Anos_Form Dificul Tempo_Sem Concorr Sufi Dif_Empr Empresa Remun Est_Prof PG_Stric Empr_MA Empr_Sau Empr_Biot CD_IA_B Ges_CIQ;

Run;