Técnica de regressão PLS e PCR: metodologias e aplicação

Detalhes bibliográficos
Autor(a) principal: Oliveira, Beatriz Azevedo
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

Registros relacionados