Tratamento de dados faltantes empregando biclusterização com imputação múltipla

Detalhes bibliográficos
Autor(a) principal: Veroneze, Rosana, 1982-
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1615857
Resumo: Orientadores: Fernando José Von Zuben, Fabrício Olivetti de França.
id UNICAMP-30_02cc6ae2c5ccb7e1541d4da894a559dd
oai_identifier_str oai::804441
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Tratamento de dados faltantes empregando biclusterização com imputação múltiplaTreatment of missing data using biclustering with multiple imputationDados faltantes (Estatística)Sistemas de recomendaçãoClusterAlgoritmos evolutivosMineração de dados (Computação)Missing data (Statistics)Recommender systemsClusterEvolutionary algorithmsData miningOrientadores: Fernando José Von Zuben, Fabrício Olivetti de França.Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: As respostas fornecidas por sistemas de recomendação podem ser interpretadas como dados faltantes a serem imputados a partir do conhecimento dos dados presentes e de sua relação com os dados faltantes. Existem variadas técnicas de imputação de dados faltantes, sendo que o emprego de imputação múltipla será considerado neste trabalho. Também existem propostas alternativas para se chegar à imputação múltipla, sendo que se propõe aqui a biclusterização como uma estratégia eficaz, flexível e com desempenho promissor. Para tanto, primeiramente é realizada a análise de sensibilidade paramétrica do algoritmo SwarmBcluster, recentemente proposto para a tarefa de biclusterização e já adaptado, na literatura, para a realização de imputação única. Essa análise mostrou que a escolha correta dos parâmetros pode melhorar o desempenho do algoritmo. Em seguida, o SwarmBcluster é estendido para a implementação de imputação múltipla, sendo comparado com o bem-conhecido algoritmo NORM. A qualidade dos resultados obtidos é mensurada através de métricas diversas, as quais mostram que a biclusterização conduz a imputações múltiplas de melhor qualidade na maioria dos experimentosAbstract: The answers provided by recommender systems can be interpreted as missing data to be imputed considering the knowledge associated with the available data and the relation between the available and the missing data. There is a wide range of techniques for data imputation, and this work is concerned with multiple imputation. Alternative approaches for multiple imputation have already been proposed, and this work takes biclustering as an effective, flexible and promising strategy. To this end, firstly it is performed a parameter sensitivity analysis of the SwarmBcluster algorithm, recently proposed to implement biclustering and already adapted, in the literature, to accomplish single imputation of missing data. This analysis has indicated that a proper choice of parameters may significantly improve the performance of the algorithm. Secondly, SwarmBcluster was extended to implement multiple imputation, being compared with the well-known NORM algorithm. The quality of the obtained results is computed considering diverse metrics, which reveal that biclustering guides to imputations of better quality in the majority of the experimentsMestradoEngenharia de ComputaçãoMestre em Engenharia Elétrica[s.n.]Von Zuben, Fernando José, 1968-França, Fabrício Olivetti de, 1980-Von Zuben, Fernando José, 1968-Coelho, André Luís VasconcelosAttux, Romis Ribeiro de FaissolUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASVeroneze, Rosana, 1982-2011info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf205 p. : il.https://hdl.handle.net/20.500.12733/1615857VERONEZE, Rosana. Tratamento de dados faltantes empregando biclusterização com imputação múltipla. 2011. 205 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1615857. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/804441porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T06:20:50Zoai::804441Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T06:20:50Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Tratamento de dados faltantes empregando biclusterização com imputação múltipla
Treatment of missing data using biclustering with multiple imputation
title Tratamento de dados faltantes empregando biclusterização com imputação múltipla
spellingShingle Tratamento de dados faltantes empregando biclusterização com imputação múltipla
Veroneze, Rosana, 1982-
Dados faltantes (Estatística)
Sistemas de recomendação
Cluster
Algoritmos evolutivos
Mineração de dados (Computação)
Missing data (Statistics)
Recommender systems
Cluster
Evolutionary algorithms
Data mining
title_short Tratamento de dados faltantes empregando biclusterização com imputação múltipla
title_full Tratamento de dados faltantes empregando biclusterização com imputação múltipla
title_fullStr Tratamento de dados faltantes empregando biclusterização com imputação múltipla
title_full_unstemmed Tratamento de dados faltantes empregando biclusterização com imputação múltipla
title_sort Tratamento de dados faltantes empregando biclusterização com imputação múltipla
author Veroneze, Rosana, 1982-
author_facet Veroneze, Rosana, 1982-
author_role author
dc.contributor.none.fl_str_mv Von Zuben, Fernando José, 1968-
França, Fabrício Olivetti de, 1980-
Von Zuben, Fernando José, 1968-
Coelho, André Luís Vasconcelos
Attux, Romis Ribeiro de Faissol
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Veroneze, Rosana, 1982-
dc.subject.por.fl_str_mv Dados faltantes (Estatística)
Sistemas de recomendação
Cluster
Algoritmos evolutivos
Mineração de dados (Computação)
Missing data (Statistics)
Recommender systems
Cluster
Evolutionary algorithms
Data mining
topic Dados faltantes (Estatística)
Sistemas de recomendação
Cluster
Algoritmos evolutivos
Mineração de dados (Computação)
Missing data (Statistics)
Recommender systems
Cluster
Evolutionary algorithms
Data mining
description Orientadores: Fernando José Von Zuben, Fabrício Olivetti de França.
publishDate 2011
dc.date.none.fl_str_mv 2011
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/20.500.12733/1615857
VERONEZE, Rosana. Tratamento de dados faltantes empregando biclusterização com imputação múltipla. 2011. 205 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1615857. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1615857
identifier_str_mv VERONEZE, Rosana. Tratamento de dados faltantes empregando biclusterização com imputação múltipla. 2011. 205 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1615857. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/804441
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
205 p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189059274211328