1 — Resultados dos Modelos de ML
0,9934
Melhor R² (MLP)
3,030
Menor RMSE – ms (MLP)
1,754
Menor MAE – ms (GB)
4,28%
Menor MAPE (RF)
7
Modelos avaliados
15 000
Amostras coletadas
R² por modelo (quanto maior, melhor)
RMSE por modelo – ms (quanto menor, melhor)
2 — Otimização de Hiperparâmetros (GridSearch)
R² após tuning – top 3 modelos
3 — Comparação Tríplice: ML × Dijkstra × Hop Count
Latência média (ms) por cenário e método
Throughput médio por cenário e método
4 — Análise por Cenário de Carga
5 — Escalabilidade — Multi‑topologia (16 / 32 / 64 nós)
R² por topologia e modelo
6 — Testes Estatísticos de Significância
Teste de Wilcoxon pareado (p < 0,05 indica diferença estatisticamente significativa). Cohen's d mede o tamanho do efeito (|d|≥0,5 = efeito médio).