ABORDAGEM HÍBRIDA MULTICRITÉRIO – MINERAÇÃO DE DADOS APLICADA A CLASSIFICAÇÃO DE UNIDADES DA FEDERAÇÃO COM BASE NA POPULAÇÃO ECONOMICAMENTE OCUPADA

ABORDAGEM HÍBRIDA MULTICRITÉRIO – MINERAÇÃO DE DADOS APLICADA A CLASSIFICAÇÃO DE UNIDADES DA FEDERAÇÃO COM BASE NA POPULAÇÃO ECONOMICAMENTE OCUPADA

Silva, Glauco Barbosa da; Barros, Marta Duarte de; Costa, Helder Gomes

Artigo Completo:

Por meio de uma combinação de técnicas de mineração de dados e métodos multicritério, o presente trabalho tem como objetivo propor um novo agrupamento de Unidades da Federação (UFs) por Atividade Principal da População Ocupada, não observando a conectividade geográfica das UFs. A partir de uma amostra baseada nos dados do censo demográfico brasileiro(2010), assumindo cada unidade da federação como uma instância e cada atividade da população ocupada como um atributo, excluindo-se as classes originais (regiões), a base de dados é submetida a um método clusterização, que gera as classes iniciais para o método de composição probabilística de preferências (CPP-TRI). Com base nas similaridades e dissimilaridades das atividades econômicas da população ocupada, evidenciadas pelo processo de formação de clusters com a ferramenta WEKA e na classificação feita pelo método CPP-TRI, novos agrupamentos são identificados e analisados. A análise exploratória dos novos grupamentos permitiu ampliar o conhecimento acerca das especificidades das UFs com base quantitativa e viés econômico. A identificação de novos blocos econômicos, ocultos quando da utilização dos modelos tradicionais fundamentados em critérios geográficos, pode possibilitar a formação e o desenvolvimento de ações de cooperação entre as UFs.

Por meio de uma combinação de técnicas de mineração de dados e métodos multicritério, o presente trabalho tem como objetivo propor um novo agrupamento de Unidades da Federação (UFs) por Atividade Principal da População Ocupada, não observando a conectividade geográfica das UFs. A partir de uma amostra baseada nos dados do censo demográfico brasileiro(2010), assumindo cada unidade da federação como uma instância e cada atividade da população ocupada como um atributo, excluindo-se as classes originais (regiões), a base de dados é submetida a um método clusterização, que gera as classes iniciais para o método de composição probabilística de preferências (CPP-TRI). Com base nas similaridades e dissimilaridades das atividades econômicas da população ocupada, evidenciadas pelo processo de formação de clusters com a ferramenta WEKA e na classificação feita pelo método CPP-TRI, novos agrupamentos são identificados e analisados. A análise exploratória dos novos grupamentos permitiu ampliar o conhecimento acerca das especificidades das UFs com base quantitativa e viés econômico. A identificação de novos blocos econômicos, ocultos quando da utilização dos modelos tradicionais fundamentados em critérios geográficos, pode possibilitar a formação e o desenvolvimento de ações de cooperação entre as UFs.

Palavras-chave:

DOI: 10.5151/marine-spolm2015-140483

Referências bibliográficas

• [1] Witten, I.H.; Frank, E.;Hall, M.A., Data Mining: Practical Machine Learning Tools and Techniques: Practical Machine Learning Tools and Techniques. 2011: Elsevier Science.
• [2] Sant’Anna, A.P.; Costa, H.G.;Pereira, V., CPP-TRI: Um Método de Classificação Ordenada baseado em Composição Probabilística. Relatórios de Pesquisa em Engenharia de Produção 2012. 12(8): p. 14.
• [3] Kubrusly, L.S., A população ocupada e a renda no Brasil: encontros e desencontros. Economia e Sociedade, 2011. 20(3): p. 567-600.
• [4] Sant’Anna, A.P.; Faria, F.;Costa, H.G., Aplicação da Composição Probabilística e do Método Das K-Médias À Classificação de Municípios Quanto À Oferta de Creches. Cadernos do IME-Série Estatística, 2013. 34(1): p. 17.
• [5] Steiner, M.T.A.; Soma, N.Y.; Shimizu, T.; Nievola, J.C.;Neto, P.J.S., Abordagem de um problema médico por meio do processo de KDD com ênfase à análise exploratóriados dados. Gestão & Produção, 2006. 13: p. 325-337.
• [6] Fayyad, U.; Piatetsky-Shapiro, G.;Smyth, P. From Data Mining to Knowledge Discovery in Databases. in AAAI/MIT Press. 1996, American Association for Artificial Intelligence.
• [7] Han, J.; Kamber, M.;Pei, J., Data Mining: Concepts and Techniques. 2011: Morgan Kaufmann Publishers Inc. 696.
• [8] Sant'Anna, A.P., Aleatorização e composição de medidas de preferência. Pesquisa Operacional, 2002. 22: p. 87-103.
• [9] IBGE. Censo Demografico. 2010, Instituto Brasileiro de Geografia e Estatística.

Como citar:

Silva, Glauco Barbosa da; Barros, Marta Duarte de; Costa, Helder Gomes; "ABORDAGEM HÍBRIDA MULTICRITÉRIO – MINERAÇÃO DE DADOS APLICADA A CLASSIFICAÇÃO DE UNIDADES DA FEDERAÇÃO COM BASE NA POPULAÇÃO ECONOMICAMENTE OCUPADA", p-377-387. In: Anais do XVIII Simpósio de Pesquisa Operacinal & Logística da Marinha. São Paulo: Blucher, 2016.
ISSN 21756295, DOI 10.5151/marine-spolm2015-140483