Aplicação de Técnicas de Aprendizado de Máquina na Validação de Modelos de Crescimento

Abstract

A aplicação de métodos de aprendizado de máquina na validação de modelos de crescimento que incorporam medidas de não linearidade apresenta-se como uma abordagem promissora para aprimorar a compreensão e a precisão das previsões de crescimento em diversas áreas de estudo. Ao explorar modelos não lineares, capazes de capturar as complexas relações entre variáveis preditoras e a variável de resposta, torna-se possível obter parâmetros com interpretação biológica direta, facilitando tanto a tomada de decisões quanto a compreensão do fenômeno de crescimento. Este estudo propõe o desenvolvimento de modelos de aprendizado de máquina, utilizando algoritmos de aprendizado de maquina (Machine Learning), para validar o ganho de peso (kg) do touro ao longo dos anos. De maneira geral, o modelo de crescimento Logístico apresentou o maior coeficiente de determinação e um dos menores Critério de Informação de Akaike (AIC) fornecendo um ajuste mais adequado aos dados experimentais em comparação com os outros modelos.