Estudo comparativo entre bibliotecas de aprendizado de máquina e aprendizado de máquina profundo para conjunto de dados voltado à segurança da informação
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
121
Resumo
No presente artigo é apresentado um comparativo, em termos de desempenho, considerando para tanto a acurácia, a matriz de confusão e a pontuação ROC AUC, entre os modelos de Redes Neurais Artificiais presentes nas bibliotecas de Aprendizado de Máquina Scikit-Learne TensorFlow para o conjunto de dados utilizado na competição Microsoft Malware Prediction, organizada na plataforma Kaggle.
In this article, a comparison is presented, in terms of performance, considering the accuracy, the confusionmatrix and the ROC AUC score, between the Artificial Neural Network models present in the Machine Learning libraries Scikit-Learn and TensorFlow for the dataset used in the Microsoft Malware Prediction competition, organized on the Kaggle platform.
In this article, a comparison is presented, in terms of performance, considering the accuracy, the confusionmatrix and the ROC AUC score, between the Artificial Neural Network models present in the Machine Learning libraries Scikit-Learn and TensorFlow for the dataset used in the Microsoft Malware Prediction competition, organized on the Kaggle platform.
Descrição
Palavras-chave
Citação
FERREIRA, João Victor Alhadas Mauricio. Estudo comparativo entre bibliotecas de aprendizado de máquina e aprendizado de máquina profundopara conjunto de dados voltado à segurança da informação. 2020. Trabalho de Conclusão de Curso (Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas) – Faculdade de Tecnologia de São José do Rio Preto, São José do Rio Preto, 2020.