Multivariate Factor Score
Sobre
Implementação em Python do método Multivariate Factor Score (MF) para seleção de atributos em Machine Learning, combinando redução de dimensionalidade, análise estatística multivariada e otimização para identificar as variáveis mais relevantes antes do treinamento dos modelos. Reduz custo computacional, tempo de processamento e consumo energético, mantendo alta precisão preditiva
Autores
ANDERSON PAULO DE PAIVA
MATHEUS COSTA PEREIRA
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; Analytics preditivo; Feature Engineering; Estatística multivariada; Otimização multiobjetivo
Diferencial da Solução
O método permite selecionar atributos relevantes antes do ciclo completo de treinamento de modelos de Machine Learning, reduzindo significativamente custo computacional, tempo de processamento e consumo energético. Ao integrar estatística multivariada com otimização, a abordagem identifica variáveis mais informativas de forma antecipada, contribuindo para modelos mais precisos, com menor ocorrência de falsos positivos e falsos negativos, mantendo alto desempenho preditivo
