Novos modelos de regressão e algoritmos de aprendizado de máquina: teoria e aplicações (2024)
- Authors:
- Autor USP: RODRIGUES, GABRIELA MARIA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LCE
- DOI: 10.11606/T.11.2024.tde-05042024-102614
- Subjects: ALGORITMOS; APRENDIZADO COMPUTACIONAL; DADOS CENSURADOS; MODELOS MATEMÁTICOS; SIMULAÇÃO (ESTATÍSTICA); VEROSSIMILHANÇA
- Agências de fomento:
- Language: Português
- Abstract: Neste trabalho são definidos novos modelos de regressão, baseados na família de distribuições exponentiated odd log-logistic (EOLL-G). Esta família possui a flexibilidade de modelar dados bimodais, simétricos ou assimétricos. Utilizando a distribuição Normal como base, são propostos um modelo de regressão quantílica e um modelo de regressão parcialmente linear. Duas novas famílias bivariadas são definidas a partir da família EOLL-G e utilizando as cópulas de Clayton e de Frank. Dois modelos para dados censurados são propostos utilizando como base as distribuições Weibull e generalized Rayleigh. O desempenho preditivo do modelo parcialmente linear e de um dos modelos para dados censurados é comparado com algoritmos de aprendizado de máquinas: árvores de decisão, florestas aleatórias e florestas aleatórias de sobrevivência. Propriedades estruturais das novas distribuições foram fornecidas, que exibem a flexibilidade da família utilizada e podem ser úteis para trabalhos futuros. O método de máxima verossimilhança foi utilizado para estimação dos parâmetros e estudos de simulações para ambos os modelos são realizados, comprovando a consistência das estimativas. Diversas aplicações são realizadas ilustrando a utilidade dos novos modelos. Quanto à capacidade preditiva, eles mostraram-se competitivos aos algoritmos de aprendizado de máquina, de acordo com os estudos de simulações e com as aplicações realizadas
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2024
- Data da defesa: 30.01.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
RODRIGUES, Gabriela Maria. Novos modelos de regressão e algoritmos de aprendizado de máquina: teoria e aplicações. 2024. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05042024-102614/. Acesso em: 30 abr. 2024. -
APA
Rodrigues, G. M. (2024). Novos modelos de regressão e algoritmos de aprendizado de máquina: teoria e aplicações (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05042024-102614/ -
NLM
Rodrigues GM. Novos modelos de regressão e algoritmos de aprendizado de máquina: teoria e aplicações [Internet]. 2024 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05042024-102614/ -
Vancouver
Rodrigues GM. Novos modelos de regressão e algoritmos de aprendizado de máquina: teoria e aplicações [Internet]. 2024 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-05042024-102614/
Informações sobre o DOI: 10.11606/T.11.2024.tde-05042024-102614 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas