Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/66469 |
Resumo: | Como resultado ao crescente desenvolvimento tecnológico nas últimas décadas, computadores cada vez mais potentes tornam possível o armazenamento diário de grande quantidade de dados. As técnicas de mineração de dados surgem como uma alternativa inteligente e eficaz para transformar essa grande massa de dados em conhecimento. Este trabalho se propôs a resolver um problema real de cross-selling de uma instituição financeira brasileira e, com o objetivo de contribuir para o desenvolvimento das técnicas de data mining, realizou-se uma comparação entre duas técnicas consagradas na área, regressão logística e redes neurais, e entre duas formas de combinação das mesmas, em série (hybrid), onde a regressão logística é utilizada para selecionar as variáveis que irão entrar na rede neural, e em paralelo (ensemble), onde os resultados das técnicas individuais são combinados com base em suas decisões. As comparações entre o desempenho das técnicas individuais e dos métodos de combinação indicam que, para este estudo, as duas técnicas e os dois métodos utilizados obtiveram desempenho similar, porém os dois métodos de combinação apresentaram melhor desempenho. |
id |
UFRGS-2_8a30fbd28f70e5c551bc702cb17ae9b8 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/66469 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Grebin, Sabrina ZanattaSelau, Lisiane Priscila Roldão2013-02-15T01:41:16Z2012http://hdl.handle.net/10183/66469000871730Como resultado ao crescente desenvolvimento tecnológico nas últimas décadas, computadores cada vez mais potentes tornam possível o armazenamento diário de grande quantidade de dados. As técnicas de mineração de dados surgem como uma alternativa inteligente e eficaz para transformar essa grande massa de dados em conhecimento. Este trabalho se propôs a resolver um problema real de cross-selling de uma instituição financeira brasileira e, com o objetivo de contribuir para o desenvolvimento das técnicas de data mining, realizou-se uma comparação entre duas técnicas consagradas na área, regressão logística e redes neurais, e entre duas formas de combinação das mesmas, em série (hybrid), onde a regressão logística é utilizada para selecionar as variáveis que irão entrar na rede neural, e em paralelo (ensemble), onde os resultados das técnicas individuais são combinados com base em suas decisões. As comparações entre o desempenho das técnicas individuais e dos métodos de combinação indicam que, para este estudo, as duas técnicas e os dois métodos utilizados obtiveram desempenho similar, porém os dois métodos de combinação apresentaram melhor desempenho.application/pdfporRegressão logísticaRedes neuraisCombinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Sellinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática. Departamento de EstatísticaPorto Alegre, BR-RS2012Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000871730.pdf000871730.pdfTexto completoapplication/pdf544749http://www.lume.ufrgs.br/bitstream/10183/66469/1/000871730.pdf6cc38b5a534e5e070e3c787c2b4e6682MD51TEXT000871730.pdf.txt000871730.pdf.txtExtracted Texttext/plain71342http://www.lume.ufrgs.br/bitstream/10183/66469/2/000871730.pdf.txt90b04abe7a80b29a840ebe06f3b1bf4fMD52THUMBNAIL000871730.pdf.jpg000871730.pdf.jpgGenerated Thumbnailimage/jpeg1396http://www.lume.ufrgs.br/bitstream/10183/66469/3/000871730.pdf.jpg202f71cae3d7edc1c50c41d3ea6dd508MD5310183/664692018-10-22 07:55:58.06oai:www.lume.ufrgs.br:10183/66469Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-22T10:55:58Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
title |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
spellingShingle |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling Grebin, Sabrina Zanatta Regressão logística Redes neurais |
title_short |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
title_full |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
title_fullStr |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
title_full_unstemmed |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
title_sort |
Combinação em série e em paralelo de modelos de redes neurais e regressão logística : um estudo de caso em Cross-Selling |
author |
Grebin, Sabrina Zanatta |
author_facet |
Grebin, Sabrina Zanatta |
author_role |
author |
dc.contributor.author.fl_str_mv |
Grebin, Sabrina Zanatta |
dc.contributor.advisor1.fl_str_mv |
Selau, Lisiane Priscila Roldão |
contributor_str_mv |
Selau, Lisiane Priscila Roldão |
dc.subject.por.fl_str_mv |
Regressão logística Redes neurais |
topic |
Regressão logística Redes neurais |
description |
Como resultado ao crescente desenvolvimento tecnológico nas últimas décadas, computadores cada vez mais potentes tornam possível o armazenamento diário de grande quantidade de dados. As técnicas de mineração de dados surgem como uma alternativa inteligente e eficaz para transformar essa grande massa de dados em conhecimento. Este trabalho se propôs a resolver um problema real de cross-selling de uma instituição financeira brasileira e, com o objetivo de contribuir para o desenvolvimento das técnicas de data mining, realizou-se uma comparação entre duas técnicas consagradas na área, regressão logística e redes neurais, e entre duas formas de combinação das mesmas, em série (hybrid), onde a regressão logística é utilizada para selecionar as variáveis que irão entrar na rede neural, e em paralelo (ensemble), onde os resultados das técnicas individuais são combinados com base em suas decisões. As comparações entre o desempenho das técnicas individuais e dos métodos de combinação indicam que, para este estudo, as duas técnicas e os dois métodos utilizados obtiveram desempenho similar, porém os dois métodos de combinação apresentaram melhor desempenho. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012 |
dc.date.accessioned.fl_str_mv |
2013-02-15T01:41:16Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/66469 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000871730 |
url |
http://hdl.handle.net/10183/66469 |
identifier_str_mv |
000871730 |
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.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/66469/1/000871730.pdf http://www.lume.ufrgs.br/bitstream/10183/66469/2/000871730.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/66469/3/000871730.pdf.jpg |
bitstream.checksum.fl_str_mv |
6cc38b5a534e5e070e3c787c2b4e6682 90b04abe7a80b29a840ebe06f3b1bf4f 202f71cae3d7edc1c50c41d3ea6dd508 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224438087155712 |