Data Mining for Discovering Patterns in Migration

Franco-Arcega, Anilu; Franco-Sánchez, Kristell D.; Castro-Espinoza, Félix; García-Islas, Luis H.

doi:10.1007/978-3-319-13650-9_26

Cited by 2 publications

(1 citation statement)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Entretanto, a literatura sobre aplicações de técnicas de aprendizado de máquina à migração é recente e escassa, com raras implementações para dados censitários. Franco-Arcega et al (2014) aplicam técnicas de mineração de dados (data mining) para identificar padrões nos fluxos migra-tórios do Estado de Hidalgo a partir de dados do Censo Demográfico do México de 2010. Pande e Rajan (2015), por sua vez, utilizando os Censos da Índia de 1991 e 2001, fazem uma Análise Exploratória de Dados Espaciais (AEDE) e ajustam uma regressão linear para identificar e estimar os padrões migratórios do Estado de Andhra Pradesh.…”

Section: Introductionunclassified

Incorporando Técnicas de Machine Learning ao Estudo da Migração Interna no Brasil

Maria

2019

PODes

View full text Add to dashboard Cite

Embora o estudo da migração interna, de modo geral, seja feito sobre recortes geográficos que avaliam os fluxos de origem e destino em determinada área, a compreensão da inserção dos municípios e dos migrantes na malha migratória nacional fica aquém do possível. A partir dos microdados do Censo de 2010, este artigo se propõe a resumir o conjunto de fluxos migratórios no Brasil nos principais padrões, bem como agrupar os diversos fluxos e avaliar quais são as principais variáveis a serem incluídas nos estudos migratórios. A pesquisa é conduzida combinando uma análise de componentes principais com a obtenção de regras de associação pelo algoritmo a priori. Ademais, lança-se mão do algoritmo random forest e da análise de clusters para ter um perfil mais completo dos fluxos migratórios intermunicipais brasileiros.

show abstract

Section: Introductionunclassified