Tratamento de classes desbalanceadas utilizando métodos de montagem

O presente trabalho diz respeito otimiza o da decis o atrav s de m todos ensembl sticos para o tratamento de bases de dados desequilibradas. Para tal, utiliz mos m todos de conjunto, que se baseiam na combina o homog nea de previs es ou classificadores para uma melhor generaliza o.No nosso projeto, utiliz mos a base de dados de dete o de fraudes com cart es de cr dito para gerar e avaliar o modelo proposto. Tamb m escolhemos o m todo de combina o de floresta aleat ria, que combina v rias rvores de decis o e aplica a estrat gia de vota o por maioria para produzir uma previs o ptima.O objetivo do nosso estudo construir um modelo de previs o utilizando m todos de combina o para melhorar o desempenho de um classificador individual para lidar com conjuntos de dados desequilibrados.Para atingir o nosso objetivo, para al m do m todo de combina o de floresta aleat ria utilizado, tamb m utiliz mos os m todos de subamostragem e sobreamostragem para obter os mesmos resultados e, finalmente, chegar a uma conclus o sobre os tr s m todos utilizados, que implement mos com a linguagem de programa o phyton.