Técnica de regressão PLS e PCR: metodologias e aplicação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | https://hdl.handle.net/1822/83146 |
Resumo: | Dissertação de mestrado em Engenharia e Gestão Industrial |
id |
RCAP_cb51bc1cd60547d2640588342bcee6be |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/83146 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Técnica de regressão PLS e PCR: metodologias e aplicaçãoPLS and PCR regression technique: methodologies and applicationMétodos estatísticos de múltiplas variáveisRegressão PCRRegressão PLSMultivariate statistical methodsPCR RegressionPLS RegressionEngenharia e Tecnologia::Outras Engenharias e TecnologiasDissertação de mestrado em Engenharia e Gestão IndustrialO presente trabalho foi desenvolvido no contexto da dissertação enquadrada no curso de Mestrado em Engenharia e Gestão Industrial na Universidade do Minho e tem como principal objetivo aprofundar o conhecimento sobre as técnicas de regressão PLS, Partial Least Square, e PCR, Principal Component Regression. Na presente dissertação, foi desenvolvida uma investigação descritiva com o objetivo de se retratar em detalhe a utilização das técnicas em R. Foi realizado um estudo detalhado resultando numa análise e interpretação dos resultados. Relativamente à estrutura do mesmo, a primeira parte focou-se no contexto histórico dos métodos em estudo, a sua aplicação e vantagens e limitações dos mesmos. Seguidamente, foi utilizado R e através das funções capazes de produzir modelos foi realizada uma comparação e tiradas conclusões acerca dos diferentes resultados. No passo seguinte, utilizou-se uma base de dados real para aprofundar o conhecimento do modelo PCR e foram realizadas previsões com o modelo gerado. Assim, através das métricas mais usuais para a comparação de modelos gerados, foi possível compreender a utilização e as diferenças entre os métodos em causa.The present project was developed under the scope of the dissertation included in the Master's in Industrial Engineering and Management at Universidade do Minho and its main goal is to develop a deeper understanding of the PLS, Partial Least Square, and PCR, principal component regression techniques. In the present dissertation, a descriptive investigation was developed to portray in detail the use of the techniques with R. A detailed study was carried out resulting in an analysis and interpretation of the results. Regarding its structure, the first part focused on the historical context of the methods under study, their application, and their advantages and limitations. Then R was used and using the functions capable of producing models, a comparison was made, and conclusions were drawn about the different results. In the next step, a real database was used to deepen the understanding of the PCR model and predictions were made with the generated model. Thus, through the most common metrics for comparing generated models, it was possible to understand the use and differences between the methods in question.Braga, A. C.Universidade do MinhoOliveira, Beatriz Azevedo2022-12-022022-12-02T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/83146por203207068info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:46:55Zoai:repositorium.sdum.uminho.pt:1822/83146Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:44:58.017303Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Técnica de regressão PLS e PCR: metodologias e aplicação PLS and PCR regression technique: methodologies and application |
title |
Técnica de regressão PLS e PCR: metodologias e aplicação |
spellingShingle |
Técnica de regressão PLS e PCR: metodologias e aplicação Oliveira, Beatriz Azevedo Métodos estatísticos de múltiplas variáveis Regressão PCR Regressão PLS Multivariate statistical methods PCR Regression PLS Regression Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
title_short |
Técnica de regressão PLS e PCR: metodologias e aplicação |
title_full |
Técnica de regressão PLS e PCR: metodologias e aplicação |
title_fullStr |
Técnica de regressão PLS e PCR: metodologias e aplicação |
title_full_unstemmed |
Técnica de regressão PLS e PCR: metodologias e aplicação |
title_sort |
Técnica de regressão PLS e PCR: metodologias e aplicação |
author |
Oliveira, Beatriz Azevedo |
author_facet |
Oliveira, Beatriz Azevedo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Braga, A. C. Universidade do Minho |
dc.contributor.author.fl_str_mv |
Oliveira, Beatriz Azevedo |
dc.subject.por.fl_str_mv |
Métodos estatísticos de múltiplas variáveis Regressão PCR Regressão PLS Multivariate statistical methods PCR Regression PLS Regression Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
topic |
Métodos estatísticos de múltiplas variáveis Regressão PCR Regressão PLS Multivariate statistical methods PCR Regression PLS Regression Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
description |
Dissertação de mestrado em Engenharia e Gestão Industrial |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-02 2022-12-02T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/1822/83146 |
url |
https://hdl.handle.net/1822/83146 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
203207068 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799133011967475712 |