Mineração e visualização de dados na base de dados da Guarda Municipal de Curitiba

Abstract

Resumo : Nos tempos atuais onde a informação tomou um valor significante a todos, o presente trabalho vem com a premissa de exemplificar uma análise para geração de informação e conhecimento fazendo o uso de técnicas de análise de dados na base de dados da SiGesGuarda responsável por contém os dados correspondentes às ocorrências atendidas pela Guarda Municipal de Curitiba, sendo realizado processos de predição por meio de mineração de dados através da ocorrência obtidas no período de 2009 até junho de 2022. Como norteador do processo foi utilizado a Knowledge Discovery in Databases (KDD) onde na sua na etapa de mineração de dados foram utilizados os algoritmos Naïve Bayes, Deep Learning e Decision Tree para a realização da análise da base de dados. Em relação aos resultados obtidos o modelo Naive Bayes obteve uma taxa de acerto de 36.2%, já em comparação o modelo Deep Learning obteve uma taxa de acerto de 36.9% e por fim o modelos Decision Tree apresentou uma taxa de acerto de 29.5%. Foi trazido como objetivo a identificação de padrões presentes na base de dados da Guarda Municipal de Curitiba, como forma de possibilitar a descoberta de informação e conhecimento, obtidas através das análise e desenvolvimento de estatística descritiva, já para a geração de conhecimento foi realizado através do processamento dos algoritmos e da manipulação e otimização dos resultados através dos resultados obtidos e simulador.