1 |
Bezerra, T. A., Olinda, R. A. d., and Pedraza, D. F. (2017). Inseguranc¸a alimentar no brasil segundo diferentes cenários sociodemográficos. Ciência & Saúde Coletiva, 22:637.
|
|
2 |
Boas, L. G. V. (2023). A escala brasileira de insegurança alimentar (EBIA) e as principais condicionantes da (in) segurança alimentar no brasil. Geoconexões, 1(15):114–134.
|
|
3 |
Chandrashekar, G. and Sahin, F. (2014). A survey on feature selection methods. Computers & electrical engineering, 40(1):16–28.
|
|
4 |
Cherol, C. C. d. S., Ferreira, A. A., Lignani, J. d. B., and Salles-Costa, R. (2022). Regional and social inequalities in food insecurity in Brazil, 2013-2018. Cadernos de Saúde Pública, 38(12).
|
|
5 |
Feng, F., Li, K.-C., Yang, E., Zhou, Q., Han, L., Hussain, A., and Cai, M. (2023). A novel oversampling and feature selection hybrid algorithm for imbalanced data classification. Multimedia Tools and Applications, 82(3):3231–3267.
|
|
6 |
Gandra, A. (2022). 2º inquérito nacional sobre insegurança alimentar no contexto da pandemia da covid-19 no brasil: Pesquisa aponta que fome atinge 33,1 milhões de pessoas no país. Agência Brasil, Rio de Janeiro, 8:2022–06.
|
|
7 |
Golgher, A. B. (2024). Food insecurity in brazil by household arrangements and characteristics between 2004 and 2022. Cadernos de Saúde Pública, 40(5).
|
|
8 |
Gomes, I. (2023). Pobreza cai para 31,6% da população em 2022, após alcançar 36,7% em 2021. https://agenciadenoticias.ibge.gov.br/agencia-noticias/2012-agencia-de-noticias/noticias/38545-pobreza-cai-para-31-6-da-populacao-em-2022-apos-alcancar-36-7-em-2021. Acesso em: 22 de julho 2024.
|
|
9 |
Gosain, A. and Sardana, S. (2017). Handling class imbalance problem using oversampling techniques: A review. In 2017 international conference on advances in computing, communications and informatics (ICACCI), pages 79–85. IEEE.
|
|
10 |
Lemaître, G., Nogueira, F., and Aridas, C. K. (2017). Imbalanced-learn: A python toolbox to tackle the curse of imbalanced datasets in machine learning. Journal of Machine Learning Research, 18(17):1–5.
|
|
11 |
Menardi, G. and Torelli, N. (2014). Training and assessing classification rules with imbalanced data. Data mining and knowledge discovery, 28:92–122.
|
|
12 |
PENSSAN and II VIGISAN (2021). Insegurança alimentar e covid-19 no brasil: inquérito nacional sobre insegurança alimentar no contexto da pandemia da covid-19 no brasil. Belo Horizonte: Instituto Vox Populi.
|
|
13 |
Zhang, C., Soda, P., Bi, J., Fan, G., Almpanidis, G., Garc´ıa, S., and Ding, W. (2023). An empirical study on the joint impact of feature selection and data resampling on imbalance classification. Applied Intelligence, 53(5):5449–5461.
|
|