Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica

Detalhes bibliográficos
Autor(a) principal: Pereira, Leandro da Silva
Data de Publicação: 2017
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/12257
Resumo: The methods of estimation and variable selection in linear models, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) and Elastic Net, are addressed using emphasis in terms of a geometric approach. The present work proposes to be an auxiliary reading to the classic articles of Tibshirani, Hastie, Efron, Zou and Johnstone, presenting in more detail some of the results cited in such articles. Such a point of view does not occur in the basic literature regarding these methods, and in this sense the work represents an original contribution to the subject. Simulations using R code (glmnet package) are developed to study the behavior of the estimators. For a data set of Sus scrofa pork, 237 genetic markers (SNPs) are analyzed using the Elastic Net method, using as response the pork pH and carcass weight.
id UFLA_0b0505bc302032f4aeb17a3a795131e4
oai_identifier_str oai:localhost:1/12257
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômicaRegressão linear – GeometriaLinear regression – GeometryLeast Absolute Shrinkage and Selection Operator (LASSO)Least Angle Regression (LARS)Elastic netRegressão e CorrelaçãoThe methods of estimation and variable selection in linear models, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) and Elastic Net, are addressed using emphasis in terms of a geometric approach. The present work proposes to be an auxiliary reading to the classic articles of Tibshirani, Hastie, Efron, Zou and Johnstone, presenting in more detail some of the results cited in such articles. Such a point of view does not occur in the basic literature regarding these methods, and in this sense the work represents an original contribution to the subject. Simulations using R code (glmnet package) are developed to study the behavior of the estimators. For a data set of Sus scrofa pork, 237 genetic markers (SNPs) are analyzed using the Elastic Net method, using as response the pork pH and carcass weight.Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)Os métodos de estimação e seleção de variáveis em modelos lineares, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) e Elastic Net, são abordados utilizando ênfase em aspectos geométricos. O texto se propõe a ser uma leitura auxiliar aos artigos clássicos de Tibshirani, Hastie, Efron, Zou e Johnstone, apresentando de forma mais detalhada alguns dos resultados citados nos referidos artigos. Tal ponto de vista não ocorre na literatura básica relativa a estes métodos, e neste sentido o trabalho representa uma contribuição original ao assunto. Simulações utilizando a linguagem R (pacote glmnet) são desenvolvidas para se estudar o comportamento dos estimadores. Para um conjunto de dados de suínos Sus scrofa, são analisados 237 marcadores genéticos( SNPs) pelo método Elastic Net, para a resposta relativa ao pH da carne e peso de carcaça.Universidade Federal de LavrasPrograma de Pós-Graduação em Estatística e Experimentação AgropecuáriaUFLAbrasilDepartamento de Ciências ExatasChaves, Lucas MonteiroChaves, Lucas MonteiroSáfadi, ThelmaFerreira, Daniel FurtadoNunes, José Airton RodriguesSilva, Fabyano Fonseca ePereira, Leandro da Silva2017-02-07T11:49:40Z2017-02-07T11:49:40Z2017-02-062017-01-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfPEREIRA, L. da S. Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica. 2017. 167 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2017.http://repositorio.ufla.br/jspui/handle/1/12257porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-05-11T15:47:42Zoai:localhost:1/12257Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-11T15:47:42Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
title Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
spellingShingle Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
Pereira, Leandro da Silva
Regressão linear – Geometria
Linear regression – Geometry
Least Absolute Shrinkage and Selection Operator (LASSO)
Least Angle Regression (LARS)
Elastic net
Regressão e Correlação
title_short Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
title_full Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
title_fullStr Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
title_full_unstemmed Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
title_sort Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica
author Pereira, Leandro da Silva
author_facet Pereira, Leandro da Silva
author_role author
dc.contributor.none.fl_str_mv Chaves, Lucas Monteiro
Chaves, Lucas Monteiro
Sáfadi, Thelma
Ferreira, Daniel Furtado
Nunes, José Airton Rodrigues
Silva, Fabyano Fonseca e
dc.contributor.author.fl_str_mv Pereira, Leandro da Silva
dc.subject.por.fl_str_mv Regressão linear – Geometria
Linear regression – Geometry
Least Absolute Shrinkage and Selection Operator (LASSO)
Least Angle Regression (LARS)
Elastic net
Regressão e Correlação
topic Regressão linear – Geometria
Linear regression – Geometry
Least Absolute Shrinkage and Selection Operator (LASSO)
Least Angle Regression (LARS)
Elastic net
Regressão e Correlação
description The methods of estimation and variable selection in linear models, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) and Elastic Net, are addressed using emphasis in terms of a geometric approach. The present work proposes to be an auxiliary reading to the classic articles of Tibshirani, Hastie, Efron, Zou and Johnstone, presenting in more detail some of the results cited in such articles. Such a point of view does not occur in the basic literature regarding these methods, and in this sense the work represents an original contribution to the subject. Simulations using R code (glmnet package) are developed to study the behavior of the estimators. For a data set of Sus scrofa pork, 237 genetic markers (SNPs) are analyzed using the Elastic Net method, using as response the pork pH and carcass weight.
publishDate 2017
dc.date.none.fl_str_mv 2017-02-07T11:49:40Z
2017-02-07T11:49:40Z
2017-02-06
2017-01-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PEREIRA, L. da S. Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica. 2017. 167 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2017.
http://repositorio.ufla.br/jspui/handle/1/12257
identifier_str_mv PEREIRA, L. da S. Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica. 2017. 167 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2017.
url http://repositorio.ufla.br/jspui/handle/1/12257
dc.language.iso.fl_str_mv por
language por
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.publisher.none.fl_str_mv Universidade Federal de Lavras
Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
UFLA
brasil
Departamento de Ciências Exatas
publisher.none.fl_str_mv Universidade Federal de Lavras
Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
UFLA
brasil
Departamento de Ciências Exatas
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1807835220087406592

Registros relacionados