USO DE TÉCNICAS DE MACHINE LEARNING PARA CLASSIFICAÇÃO DO NÍVEL DE ESTRESSE DE PESSOAS NO TRÂNSITO

O objetivo do presente trabalho é aplicar técnicas de Machine Learning (ML, Aprendizagem de Máquinas) para predição e classificação do nível de estresse de pessoas que utilizam o trânsito durante o percurso casa-trabalho e, também, avaliar o desempenho dos modelos de predição utilizando a etapa de seleção dos atributos (Feature Selection). O banco de dados foi obtido por meio da aplicação de um questionário estruturado com 44 perguntas, junto a 196 pessoas do município de Curitiba, PR. Os algoritmos classificadores utilizados foram Support Vector Machine (SVM, Máquina de Vetores de Suporte); Bayesian Networks (BN, Redes Bayesianas) e Logistic Regression (LR, Regressão Logística), comparativamente. Os resultados apontam que a classificação do nível de estresse de novas instâncias (pessoas) em “alto” ou “baixo” pode ser realizada com a utilização da técnica LR (apresentou a maior acurácia, 83,67%).