Resumo:
Este trabalho teve como objetivo desenvolver e selecionar modelos de alerta para predizer o aumento da taxa de progresso mensal da ferrugem do cafeeiro para lavouras em anos de alta carga pendente de frutos. Os modelos foram desenvolvidos por meio de quatro técnicas de mineração de dados: redes neurais artificiais, árvores de decisão, máquinas de vetores suporte e florestas aleatórias. A seleção dos modelos ocorreu de forma gráfica e por meio de suas medidas de desempenho e o resultado mostrou que os modelos desenvolvidos neste trabalho apresentaram desempenho superior a outros previamente desenvolvidos. Estes modelos de alerta fornecem melhores subsídios para o monitoramento da doença da ferrugem do cafeeiro em anos de alta carga pendente de frutos.
