O estudo busca identificar padrões de características materno-fetais na predição da mortalidade infantil, por meio da incorporação de técnicas inovadoras, como a Mineração de Dados, que se mostram relevantes em Saúde Pública. Foi elaborada uma base de dados, com óbitos infantis analisados pelos Comitês de Prevenção da Mortalidade Infantil de 2000 a 2004, a partir da integração dos Sistemas de Informações de Nascidos Vivos, da Mortalidade e da Investigação da Mortalidade Infantil no Estado do Paraná. O programa da mineração foi o WEKA, de uso livre. A mineração faz busca em banco de dados e fornece regras que devem ser analisadas para transformação em informação útil. Após a mineração, selecionaram-se 4.230 regras, por exemplo: mãe adolescente e peso ao nascer < 2.500g, ou parto pós-termo e mãe adolescente com outro filho, ou com afecções maternas, aumentam o risco para óbito neonatal. Vê-se a necessidade de estabelecer maior atenção às adolescentes, às crianças com peso ao nascer < 2.500g, pós-termo e filhas de mães com afecções maternas, confirmando resultados de outros estudos.

This study aims to identify patterns in maternal and fetal characteristics in the prediction of infant mortality by incorporating innovative techniques like data mining, with proven relevance for public health. A database was developed with infant deaths from 2000 to 2004 analyzed by the Committees for the Prevention of Infant Mortality, based on integration of the Information System on Live Births (SINASC), Mortality Information System, and Investigation of Infant Mortality in the State of Paraná. The data mining software was WEKA (open source). The data mining conducts a database search and provides rules to be analyzed to transform the data into useful information. After mining, 4,230 rules were selected: teenage pregnancy plus birth weight < 2,500g, or post-term birth plus teenage mother with a previous child or intercurrent conditions increase the risk of neonatal death. The results highlight the need for greater attention to teenage mothers, newborns with birth weight < 2,500g, post-term neonates, and infants of mothers with intercurrent conditions, thus corroborating other studies.

O estudo busca identificar padrões de características materno-fetais na predição da mortalidade infantil, por meio da incorporação de técnicas inovadoras, como a Mineração de Dados, que se mostram relevantes em Saúde Pública. Foi elaborada uma base de dados, com óbitos infantis analisados pelos Comitês de Prevenção da Mortalidade Infantil de 2000 a 2004, a partir da integração dos Sistemas de Informações de Nascidos Vivos, da Mortalidade e da Investigação da Mortalidade Infantil no Estado do Paraná. O programa da mineração foi o WEKA, de uso livre. A mineração faz busca em banco de dados e fornece regras que devem ser analisadas para transformação em informação útil. Após a mineração, selecionaram-se 4.230 regras, por exemplo: mãe adolescente e peso ao nascer < 2.500g, ou parto pós-termo e mãe adolescente com outro filho, ou com afecções maternas, aumentam o risco para óbito neonatal. Vê-se a necessidade de estabelecer maior atenção às adolescentes, às crianças com peso ao nascer < 2.500g, pós-termo e filhas de mães com afecções maternas, confirmando resultados de outros estudos.

This study aims to identify patterns in maternal and fetal characteristics in the prediction of infant mortality by incorporating innovative techniques like data mining, with proven relevance for public health. A database was developed with infant deaths from 2000 to 2004 analyzed by the Committees for the Prevention of Infant Mortality, based on integration of the Information System on Live Births (SINASC), Mortality Information System, and Investigation of Infant Mortality in the State of Paraná. The data mining software was WEKA (open source). The data mining conducts a database search and provides rules to be analyzed to transform the data into useful information. After mining, 4,230 rules were selected: teenage pregnancy plus birth weight < 2,500g, or post-term birth plus teenage mother with a previous child or intercurrent conditions increase the risk of neonatal death. The results highlight the need for greater attention to teenage mothers, newborns with birth weight < 2,500g, post-term neonates, and infants of mothers with intercurrent conditions, thus corroborating other studies.

A avaliação de risco de crédito é um importante problema administrativo da área de análise financeira. As Redes Neurais têm recebido muita atenção pela sua alta taxa de acurácia preditiva, no entanto não é fácil compreender como elas alcançam as suas decisões. Neste artigo um conjunto de dados de crédito é analisado usando a técnica de extração de regras NeuroRule e o software WEKA para a extração de regras a partir de uma Rede Neural treinada. Os resultados foram considerados bastante satisfatórios alcançando mais de 80% de acurácia quanto à concessão (ou não) de crédito bancário em todas as simulações.

Credit-risk evaluation is a very important management science problem in the financial analysis area. Neural Networks have received a lot of attention because of their universal approximation property. They have a high predictive accuracy rate, but how they reach their decisions is not easy to understand. In this paper, we present a real-life credit-risk data set and analyzed it using the NeuroRule extraction technique and the software WEKA. The results were considered very satisfactory, reaching more than 80% of accuracy in granting or denying credit on every simulation.

A "Descoberta de Conhecimento em Bases de Dados" (Knowledge Discovery in Databases, KDD) é um processo composto de várias etapas, iniciando com a coleta de dados para o problema em pauta e finalizando com a interpretação e avaliação dos resultados obtidos. O presente trabalho objetiva mostrar a influência da análise exploratória dos dados no desempenho das técnicas de Mineração de Dados (Data Mining) quanto à classificação de novos padrões por meio da sua aplicação a um problema médico, além de comparar o desempenho delas entre si, visando obter a técnica com o maior percentual de acertos. Pelos resultados obtidos, pode-se concluir que a referida análise, se conduzida de forma adequada, pode trazer importantes melhorias nos desempenhos de quase todas as técnicas abordadas, tornando-se, assim, uma importante ferramenta para a otimização dos resultados finais. Para o problema em estudo, a técnica que envolve um modelo de Programação Linear e uma outra que envolve Redes Neurais foram as técnicas que apresentaram os menores percentuais de erros para os conjuntos de testes, apresentando capacidades de generalização satisfatórias.

Knowledge Discovery in Databases - KDD - is a process that consists of several steps, beginning with the collection of data for the problem under analysis and ending with the interpretation and evaluation of the final results. This paper discusses the influence of exploratory data analysis on the performance of Data Mining techniques with respect to the classification of new patterns, based on its application to a medical problem, and compares the performance of these techniques in order to identify the one with the highest percentage of successes. The results of this study lead to the conclusion that, providing this analysis is done properly, it can significantly improve the performance of these techniques and serve as an important tool to optimize the end results. For the problem under study, the techniques involving a Linear Programming model and Neural Networks were the ones showing the lowest percentages of errors for the test sets, presenting good generalization capacities.