Comparação dos algoritmos k-means e fuzzy c-means, em dados do censo varietal qualitativo da cana-de-açúcar de uma usina do estado de São Paulo

Abstract

A mineração de dados é a etapa mais importante dentro do processo de descoberta de conhecimento em bases de dados, o KDD - Knowledge Discovery in Databases. Essa etapa consiste em minerar os dados a fim de trazer padrões úteis para um maior entendimento daqueles dados armazenados. As principais tarefas da mineração de dados são, classificação, associação e clusterização. O objetivo desse trabalho foi em pesquisar sobre os algoritmos de clusterização de dados k-means e fuzzy c-means e aplicá-los em uma base contendo dados sobre cana-de-açúcar do estado de São Paulo, com a finalidade de verificar qual deles traz um melhor resultado. O suporte metodológico baseou-se em um levantamento bibliográfico sobre o KDD; levantamento sobre Mineração de Dados focando a parte de clusterização; levantamento sobre lógica fuzzy e de como ocorre a clusterização fuzzy. Foram realizados diversos testes utilizando os recursos de Mineração de Dados da ferramenta MATLAB, como a criação de classes para os dados e a classificação dos mesmos através da técnica KNN – K-nearest neighbor. Os resultados obtidos através dos algoritmos de clusterização foram analisados e comparados através do Microsoft Office Excel e foi possível identificar qual algoritmo traz melhores resultados no agrupamento dos dados, concluindo, então, que para o cenário estudado, o k-means mostrou-se mais eficaz, trazendo melhores resultados do que o algoritmo fuzzy c-means. Tendo que o k-means teve um acerto de 19% na maior classe criada, “Muito Baixa”, e o fuzzy c-means teve 4% de acerto na mesma classe.