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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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://teses.usp.br/teses/disponiveis/11/11134/tde-05042024-102614/. Acesso em: 01 abr. 2026. -
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://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 2026 abr. 01 ] Available from: https://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 2026 abr. 01 ] Available from: https://teses.usp.br/teses/disponiveis/11/11134/tde-05042024-102614/ - Análise e aplicação de modelos lineares de regressão quantílica
- New regression model and machine learning for fitting proportional data with application
- An extended Weibull Regression for Censored Data: application for COVID-19 in Campinas, Brazil
- Relationships between yellow and purple passion fruit variables
- Bayesian analysis of the growth of pears in the cultivate Shinseiki using non-linear models
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
