Desenvolvimento de um framework para utilização da regressão linear múltipla com algoritmos de otimização e interface gráfica

• Autor(a) principal: Curi, Fernando Calixto
• Data de Publicação: 2021
• Outros Autores: Castanho, Diego Solak
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/26049
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Algorítmos; Otimização combinatória; Interfaces de usuário (Sistemas de computação); Aparelho respiratório - Doenças; Algorithms; Combinatorial optimization; User interfaces (Computer systems); Respiratory organs - Diseases

Os avanços tecnológicos das últimas décadas trouxeram grandes oportunidades para a sociedade. O rápido desenvolvimento de novas tecnologias permitiu aos usuários comuns a aquisição de equipamentos com ampla capacidade de processamento computacional. Cada vez mais estes recursos são utilizados como uma maneira de realizar tarefas antes vistas como longas e de difícil execução, por meio de programas de computador que automatizam as funções antes realizadas manualmente. Com base em tais premissas, neste trabalho foi desenvolvido um framework que possibilita a aplicação do modelo linear da regressão múltipla (MLR), muito utilizado em diversos ramos da ciência. Tal framework permite o cálculo dos parâmetros livres utilizando metaheurísticas de otimização, a saber, otimização por enxame de partículas, algoritmo genético e evolução diferencial. No supracitado framework foi elaborada uma interface amigável ao usuário que ainda possui todas as funções necessárias para customização dos algoritmos e análise dos resultados. A programação do software foi feita em linguagem Python, que possui os recursos necessários tanto para a programação dos algoritmos quanto para a criação do layout da interface. Como exemplo de aplicação foi abordada uma base de dados real com vistas a estimar o número de internações por doenças respiratórias na cidade de São Paulo. Ao final do trabalho avalia-se a eficácia dos algoritmos e um comparativo sobre seu desempenho.