AgradecimentosAo meu orientador, Marcelo Gattass, que acreditou neste trabalho e me deu esta oportunidade, a Aristófanes Silva e Pedro Mário pelos muitos conselhos e sugestões durante a realização deste trabalho, me dando força e suporte nesta caminhada.A CAPES,à PUC-Rio e ao TecGraf, pelos auxílios concedidos, sem os quais esse trabalho não poderia ter sido realizado.Aos meus pais, Andréa Coelho e Orlando Leite, pela educação que recebi. A minha irmã, Brenda, por me fazer rir em cada momento sofrido. Ao meu namorado, Roberto Gerson, por sempre me dar apoio, e me ajudar na organização das minhas ideias. A todos os meus tios e tias, por compreenderem a minha ausência e me darem apoio.Aos amigos do V3O2 que me ajudaram a encontrar definições, e por terem me ajudado na conversão dos dados. Eà equipe Telemídia, que me fez entender que NTPPM.Aos amigos e primos, pelo apoio e por não insistirem em me convidar pra sair.A todos que confiaram que eu podia ir além. Muito obrigada. Lithology classification is an important task in oil reservoir characterization, one of its major purposes is to support well planning and drilling activities. Therefore, faster and more effective classification algorithms will increase the speed and reliability of decisions made by geologists and geophysicists. This work analises ensemble methods applied to automatic lithology classification. For this, we performed a comparison between single classifiers (Support Vector Machine and Multilayer Perceptron) and these classifiers with ensemble methods (Bagging and Boost). Thus, we conclude with a comparative evaluation of techniques and present the trade-off in using Ensemble methods to replace single classifiers.