1. Biblioteca Digital de Monografias
  2. CAMPUS DO BACANGA
  3. Curso de Graduação em Engenharia da Computação do Campus do Bacanga
  4. TCCs de Graduação de Engenharia da Computação do Campus do Bacanga
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/11000
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorFONTENELE, Thallyson Gabriel Martins Correia-
dc.date.accessioned2026-09-03T12:52:01Z-
dc.date.available2026-09-03T12:52:01Z-
dc.date.issued2026-07-13-
dc.identifier.citationhttps://doi.org/10.5753/eniac.2025.13879pt_BR
dc.identifier.urihttp://hdl.handle.net/123456789/11000-
dc.descriptionResumo. Conjuntos de dados reais em saúde geralmente são desbalanceados, o que dificulta a construção de modelos preditivos eficazes. Este trabalho avalia o impacto de técnicas de balanceamento na detecção de sinais de depressão em postagens do Reddit, utilizando o conjunto de dados do eRisk 2017. Foram testadas quatro estratégias de amostragem e uma abordagem sem reamostragem, aplicadas aos modelos Random Forest, XGBoost e GLM. As métricas analisadas foram sensibilidade, especificidade e AUC-ROC. A subamostragem parcial atingiu AUC-ROC de 0,72 com GLM (lambda = 1), enquanto a combinação com superamostragem obteve 0,68 com RF (mtry = 126). Os resultados reforçam a importância de técnicas de balanceamento para predição em saúde mental.pt_BR
dc.description.abstractAbstract. Real-world health datasets are often imbalanced, making it difficult to build effective predictive models. This study evaluates the impact of balancing techniques in detecting signs of depression in Reddit posts using the eRisk 2017 dataset. Four sampling strategies and a no-resampling approach were applied to Random Forest, XGBoost, and GLM models. Evaluation metrics included sensitivity, specificity, and AUC-ROC. Partial undersampling achieved an AUC-ROC of 0.72 with GLM (lambda = 1), while the combined method with oversampling reached 0.68 with RF (mtry = 126). The results highlight the importance of balancing techniques in mental health prediction tasks.pt_BR
dc.publisherUFMApt_BR
dc.subjectmodelos preditivos eficazes;pt_BR
dc.subjecteffective predictive models;pt_BR
dc.subjecttécnicas de balanceamento na detecção de sinais de depressão;pt_BR
dc.subjectbalancing techniques for detecting signs of depression;pt_BR
dc.subjectpostagens do Redditpt_BR
dc.subjectReddit postspt_BR
dc.titleComparative Evaluation of Class Balancing Strategies for Depression Detection in Reddit Postspt_BR
dc.title.alternativeAvaliação Comparativa de Estratégias de Balanceamento de Classes para a Detecção de Depressão em Postagens do Redditpt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação de Engenharia da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Thallyson Gabriel Martins Correia Fontenele.pdfTCC de Graduação163,74 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.