Last updated on julho 3rd, 2026 at 02:21 pm
Biblioteca computacional desenvolvida em Python, testada e validada em múltiplos datasets tabulares, com resultados consistentes e reproduzíveis. A solução foi verificada por meio de experimentos computacionais e comparações metodológicas, demonstrando robustez e aplicabilidade em problemas de Feature Engineering e Machine Learning.
BR 51 2025 005967-1 – Multivariate Factor Score
Autores:
ANDERSON PAULO DE PAIVA, MATHEUS COSTA PEREIRA
Sobre:
Em Python do método Multivariate Factor Score (MF) para seleção deatributos em Machine Learning, combinando redução de dimensionalidade, análiseestatística multivariada e otimização para identificar as variáveis mais relevantes antesdo treinamento dos modelos. Reduz custo computacional, tempo de processamento econsumo energético, mantendo alta precisão preditiva.
Estágio de desenvolvimento:
TRL 4-5
Biblioteca computacional desenvolvida em Python, testada e validada em múltiplos datasets tabulares, com resultados consistentes e reproduzíveis. A solução foi verificada por meio de experimentos computacionais e comparações metodológicas, demonstrando robustez e aplicabilidade em problemas de Feature Engineering e Machine Learning.
Área técnica/aplicação:
Inteligência Artificial, Machine Learning; Ciência de Dados e Big Data; Analyticspreditivo; Feature Engineering; Estatística multivariada; Otimização multiobjetivo.
Diferencial da solução:
O método permite selecionar atributos relevantes antes do ciclo completo detreinamento de modelos de Machine Learning, reduzindo significativamente custocomputacional, tempo de processamento e consumo energético. Ao integrar estatísticamultivariada com otimização, a abordagem identifica variáveis mais informativas deforma antecipada, contribuindo para modelos mais precisos, com menor ocorrência defalsos positivos e falsos negativos, mantendo alto desempenho preditivo.
