Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting

Detalhes bibliográficos
Autor(a) principal: Rubesam, Alexandre
Data de Publicação: 2004
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/20.500.12733/1596775
Resumo: Orientador: Ronaldo Dias
id UNICAMP-30_4c8591a7293d0c997940b8ef9562aba7
oai_identifier_str oai::302661
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Estimação não parametrica aplicada a problemas de classificação via Bagging e BoostingEstatistica - ClassificaçãoEstatística não paramétricaReconhecimento de padrões - Métodos estatísticosOrientador: Ronaldo DiasDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação CientificaResumo: Alguns dos métodos mais modernos e bem sucedidos de classificação são bagging, boosting e SVM (Support Vector M achines ). B agging funciona combinando classificadores ajustados em amostras bootstrap dos dados; boosting funciona aplicando-se seqüencialmente um algoritmo de classificação a versões reponderadas do conjunto de dados de treinamento, dando maior peso às observações classificadas erroneamente no passo anterior, e SVM é um método que transforma os dados originais de maneira não linear para um espaço de dimensão maior, e procura um hiperplano separador neste espaço transformado. N este trabalho estudamos os métodos descritos acima, e propusemos dois métodos de classificação, um baseado em regressão não paramétrica por Hsplines (também proposto aqui) e boosting, e outro que é uma modificação de um algoritmo de boosting baseado no algoritmo MARS. Os métodos foram aplicados em dados simulados e em dados reaisAbstract: Some of the most modern and well succeeded classification methods are bagging, boosting and SVM (Support Vector Machines). Bagging combines classifiers fitted to bootstrap samples of the training data; boosting sequentially applies a classification algorithm to reweighted versions of the training data, increasing in each step the weights of the observations that were misclassified in the previous step, and SVM is a method that transforms the data in a nonlinear way to a space of greater dimension than that of the original data, and searches for a separating hyperplane in this transformed space. In this work we have studied the methods described above. We propose two classification methods: one of them is based on a nonparametric regression method via H-splines (also proposed here) and boosting, and the other is a modification of a boosting algorithm, based on the MARS algorithm. The methods were applied to both simulated and real dataMestradoMestre em Estatística[s.n.]Dias, Ronaldo, 1959-Von Zuben, Fernando JoséStern, Julio MichaelGarcia, Jesus EnriqueUniversidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em EstatísticaUNIVERSIDADE ESTADUAL DE CAMPINASRubesam, Alexandre20042004-02-27T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf116 p.(Broch.)https://hdl.handle.net/20.500.12733/1596775RUBESAM, Alexandre. Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting. 2004. 116 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1596775. Acesso em: 2 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/302661porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-09-12T17:48:44Zoai::302661Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-09-12T17:48:44Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
title Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
spellingShingle Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
Rubesam, Alexandre
Estatistica - Classificação
Estatística não paramétrica
Reconhecimento de padrões - Métodos estatísticos
title_short Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
title_full Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
title_fullStr Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
title_full_unstemmed Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
title_sort Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting
author Rubesam, Alexandre
author_facet Rubesam, Alexandre
author_role author
dc.contributor.none.fl_str_mv Dias, Ronaldo, 1959-
Von Zuben, Fernando José
Stern, Julio Michael
Garcia, Jesus Enrique
Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Estatística
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Rubesam, Alexandre
dc.subject.por.fl_str_mv Estatistica - Classificação
Estatística não paramétrica
Reconhecimento de padrões - Métodos estatísticos
topic Estatistica - Classificação
Estatística não paramétrica
Reconhecimento de padrões - Métodos estatísticos
description Orientador: Ronaldo Dias
publishDate 2004
dc.date.none.fl_str_mv 2004
2004-02-27T00:00:00Z
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 (Broch.)
https://hdl.handle.net/20.500.12733/1596775
RUBESAM, Alexandre. Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting. 2004. 116 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1596775. Acesso em: 2 set. 2024.
identifier_str_mv (Broch.)
RUBESAM, Alexandre. Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting. 2004. 116 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1596775. Acesso em: 2 set. 2024.
url https://hdl.handle.net/20.500.12733/1596775
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/302661
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
116 p.
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_ 1809188900291215360

Registros relacionados