Uma Nova Abordagem Baseada em PSO e Naive Bayes para Análise de Base de Dados Desbalanceada de Doença de Chagas

Este artigo propõe uma abordagem híbrida combinando Otimização por Enxame de Partículas (PSO) e Naive Bayes (NB) para melhorar a classificação de dados desbalanceados relacionados à sobrevida de pacientes com Doença de Chagas. O objetivo é otimizar a seleção de instâncias e variáveis, ajustando hiperparâmetros do NB para aumentar a acurácia e generalização do modelo. A metodologia emprega PSO na etapa de pré-processamento, seguida pela classificação com NB, avaliando desempenho por meio de métricas como Area Under the Receiver Operating Characteristic Curve (AUC-ROC), F1-Score e sensibilidade. Os resultados mostram que a abordagem PSO+NB supera métodos tradicionais, com melhorias estatisticamente significativas (p < 0,05) na classificação de casos minoritários. Os resultados evidenciam que a técnica proposta é eficaz para lidar com desbalanceamento de dados, oferecendo uma ferramenta promissora para auxiliar no diagnóstico em regiões com recursos limitados.