Um novo método para seleção de variáveis preditivas com base em índices de importância
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Production |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65132014000100007 |
Resumo: | O grande volume de variáveis coletadas em processos industriais impõe dificuldades ao controle e monitoramento de tais processos. A regressão PLS (partial least squares) vem sendo amplamente utilizada em procedimentos de seleção de variáveis por sua capacidade de operar com grande número de variáveis correlacionadas e afetadas por ruído. Este artigo propõe um método para identificar o melhor subconjunto de variáveis de processo para a predição das variáveis de resposta. Indicadores de importância das variáveis são desenvolvidos a partir de parâmetros da regressão PLS e guiam a eliminação das variáveis irrelevantes. Tais índices são então testados em termos de seu desempenho. Ao ser aplicado em cinco bancos de dados industriais, o método utilizando o índice recomendado reteve apenas 31% das variáveis originais e aumentou a acurácia de predição do conjunto de teste em 6%. O método proposto também superou a acurácia do método Stepwise, tradicionalmente utilizado em procedimentos de seleção com propósitos de predição. |
id |
ABEPRO-1_d423f1f427ef7ebbf035b1434ed7627f |
---|---|
oai_identifier_str |
oai:scielo:S0103-65132014000100007 |
network_acronym_str |
ABEPRO-1 |
network_name_str |
Production |
repository_id_str |
|
spelling |
Um novo método para seleção de variáveis preditivas com base em índices de importânciaSeleção de variáveisRegressão PLSIndicador de importância das variáveisO grande volume de variáveis coletadas em processos industriais impõe dificuldades ao controle e monitoramento de tais processos. A regressão PLS (partial least squares) vem sendo amplamente utilizada em procedimentos de seleção de variáveis por sua capacidade de operar com grande número de variáveis correlacionadas e afetadas por ruído. Este artigo propõe um método para identificar o melhor subconjunto de variáveis de processo para a predição das variáveis de resposta. Indicadores de importância das variáveis são desenvolvidos a partir de parâmetros da regressão PLS e guiam a eliminação das variáveis irrelevantes. Tais índices são então testados em termos de seu desempenho. Ao ser aplicado em cinco bancos de dados industriais, o método utilizando o índice recomendado reteve apenas 31% das variáveis originais e aumentou a acurácia de predição do conjunto de teste em 6%. O método proposto também superou a acurácia do método Stepwise, tradicionalmente utilizado em procedimentos de seleção com propósitos de predição.Associação Brasileira de Engenharia de Produção2014-03-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65132014000100007Production v.24 n.1 2014reponame:Productioninstname:Associação Brasileira de Engenharia de Produção (ABEPRO)instacron:ABEPRO10.1590/S0103-65132013005000030info:eu-repo/semantics/openAccessZimmer,JulianoAnzanello,Michel Josépor2014-05-09T00:00:00Zoai:scielo:S0103-65132014000100007Revistahttps://www.scielo.br/j/prod/https://old.scielo.br/oai/scielo-oai.php||production@editoracubo.com.br1980-54110103-6513opendoar:2014-05-09T00:00Production - Associação Brasileira de Engenharia de Produção (ABEPRO)false |
dc.title.none.fl_str_mv |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
title |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
spellingShingle |
Um novo método para seleção de variáveis preditivas com base em índices de importância Zimmer,Juliano Seleção de variáveis Regressão PLS Indicador de importância das variáveis |
title_short |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
title_full |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
title_fullStr |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
title_full_unstemmed |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
title_sort |
Um novo método para seleção de variáveis preditivas com base em índices de importância |
author |
Zimmer,Juliano |
author_facet |
Zimmer,Juliano Anzanello,Michel José |
author_role |
author |
author2 |
Anzanello,Michel José |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Zimmer,Juliano Anzanello,Michel José |
dc.subject.por.fl_str_mv |
Seleção de variáveis Regressão PLS Indicador de importância das variáveis |
topic |
Seleção de variáveis Regressão PLS Indicador de importância das variáveis |
description |
O grande volume de variáveis coletadas em processos industriais impõe dificuldades ao controle e monitoramento de tais processos. A regressão PLS (partial least squares) vem sendo amplamente utilizada em procedimentos de seleção de variáveis por sua capacidade de operar com grande número de variáveis correlacionadas e afetadas por ruído. Este artigo propõe um método para identificar o melhor subconjunto de variáveis de processo para a predição das variáveis de resposta. Indicadores de importância das variáveis são desenvolvidos a partir de parâmetros da regressão PLS e guiam a eliminação das variáveis irrelevantes. Tais índices são então testados em termos de seu desempenho. Ao ser aplicado em cinco bancos de dados industriais, o método utilizando o índice recomendado reteve apenas 31% das variáveis originais e aumentou a acurácia de predição do conjunto de teste em 6%. O método proposto também superou a acurácia do método Stepwise, tradicionalmente utilizado em procedimentos de seleção com propósitos de predição. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-03-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65132014000100007 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65132014000100007 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-65132013005000030 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Associação Brasileira de Engenharia de Produção |
publisher.none.fl_str_mv |
Associação Brasileira de Engenharia de Produção |
dc.source.none.fl_str_mv |
Production v.24 n.1 2014 reponame:Production instname:Associação Brasileira de Engenharia de Produção (ABEPRO) instacron:ABEPRO |
instname_str |
Associação Brasileira de Engenharia de Produção (ABEPRO) |
instacron_str |
ABEPRO |
institution |
ABEPRO |
reponame_str |
Production |
collection |
Production |
repository.name.fl_str_mv |
Production - Associação Brasileira de Engenharia de Produção (ABEPRO) |
repository.mail.fl_str_mv |
||production@editoracubo.com.br |
_version_ |
1754213152791199744 |