PREVISÃO DE PRODUÇÃO DE CANA-DE-AÇÚCAR UTILIZANDO FRAMEWORK LOW-CODE PYCARET

Resumo

No presente trabalho é apresentado um estudo sobre o framework low-code PyCaret. Esse framework seleciona modelos de Aprendizado de Máquina de forma automatizada (AutoML), englobando pré-processamento, seleção de características e previsão de resultados. No campo do Agronegócio, uma das possíveis aplicações do framework é a previsão de produtividade agrícola, medida em toneladas de cana por hectare (TCH), em usinas brasileiras. Deste modo, o presente estudo concentrou-se em aplicar o framework low-code para realizar a previsão do TCH, que realizou a avaliação de vários modelos de regressão. O estudo ainda apresentou uma comparação entre os dois métodos que apresentaram os melhores desempenhos, segundo o framework, a partir das métricas de avaliação adotadas. Os resultados apresentados após a validação do modelo, em cenários agrícolas reais, indicaram a presença de outliers e outros problemas que explicaram a seleção de determinados algoritmos. O estudo contribui para a compreensão do uso de AutoML na agricultura de precisão, apresentando algoritmos, validação de modelos e limitações do uso do framework.