Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
projetos:modeltrees [2007/10/27 14:38] joel |
projetos:modeltrees [2008/08/15 14:02] joel |
||
---|---|---|---|
Linha 1: | Linha 1: | ||
===== Modelos Estruturados por Árvores ===== | ===== Modelos Estruturados por Árvores ===== | ||
+ | === Participantes === | ||
+ | |||
+ | * [[pessoais:joel|joel]] | ||
+ | | ||
+ | *[[pessoais:rmoreira|Rodrigo Moreira]] | ||
+ | |||
+ | *[[pessoais:camila|Camila Epprechet]] | ||
+ | |||
+ | *[[pessoais:alvaro|Alvaro Veiga]] | ||
== palavras chaves == | == palavras chaves == | ||
árvores de decisão, regressão com transição suave, teste do tipo multiplicadores de Lagrange. | árvores de decisão, regressão com transição suave, teste do tipo multiplicadores de Lagrange. | ||
+ | |||
Linha 11: | Linha 21: | ||
===== Introdução ===== | ===== Introdução ===== | ||
- | Os modelos estruturados por árvores, também conhecidos como árvores de decisão, podem ser vistos como métodos não paramétricos de regressão. O princípio destes modelos é o particionamento recursivo do espaço das variáveis e o ajuste de modelos simples em cada partição. | + | As Árvores de Classificação e Regressão compõem um conjunto de métodos de particionamento recursivo que geram regras de decisão para problemas de classificação e regressão que podem ser facilmente interpretadas. Algoritmos como o CHAID, CART, QUEST e C4.5, dentre outros, popularizaram estes métodos em várias comunidades científicas. |
- | Devido a fácil interpretação gerada por este modelo seu uso tornou-se comum em diferentes áreas como: medicina diagnóstica, escoragem de crédito e classificação de populações. | + | O grande poder preditivo destes métodos foi comprovado nas tradicionais competições KDD nas quais diversas metodologias exploratórias de dados concorrem para extração de conhecimento em diferentes bases. Mais recentemente, métodos de boosting e bagging potencializaram ainda mais o uso destes métodos. |
- | + | ||
- | Quando a variável resposta é uma classe, estes modelos são denominados árvores de classificação e quando ela é contínua, são chamados árvores de regressão. | + | |
- | + | ||
- | Muitos algoritmos foram desenvolvidos para realizar o particionamento recursivo, dentre eles: CHAID, CART, QUEST, C4.5,... | + | |
Linha 24: | Linha 30: | ||
* {{projetos:modeltree:treedglm.pdf|Bayesian Generalized Tree Models}} | * {{projetos:modeltree:treedglm.pdf|Bayesian Generalized Tree Models}} | ||
+ | * {{:projetos:modeltrees:modeltreesrainfall.pdf|Model Trees for Rainfall-runoff modelling}} | ||
* {{projetos:modeltree:darosa_veiga_medeiros_revised.pdf|Tree Structured Smooth Transition Regression}} | * {{projetos:modeltree:darosa_veiga_medeiros_revised.pdf|Tree Structured Smooth Transition Regression}} | ||
* {{projetos:modeltree:cartspace.pdf|CART aplicado a Dados Espaciais com uso de GLM}} | * {{projetos:modeltree:cartspace.pdf|CART aplicado a Dados Espaciais com uso de GLM}} | ||
* {{projetos:modeltree:a-comparison-of-logistic.pdf|Comparação Regressão Logística x Árvore de Decisão}} | * {{projetos:modeltree:a-comparison-of-logistic.pdf|Comparação Regressão Logística x Árvore de Decisão}} | ||
- | |||
* {{projetos:modeltree:cart_area_medica.pdf|Aplicação do CART na Área Médica}} | * {{projetos:modeltree:cart_area_medica.pdf|Aplicação do CART na Área Médica}} | ||
+ | |||
+ | ==== Trabalhos Acadêmicos ==== | ||
+ | |||
+ | |||
+ | {{:projetos:modeltrees:tese_bernardo_v10.doc|Dissertação de Mestrado de Bernardo Spindel}} | ||
+ | |||
==== Programas ==== | ==== Programas ==== | ||
{{projetos:modeltrees:treestar1.zip|Star-Tree}} | {{projetos:modeltrees:treestar1.zip|Star-Tree}} | ||
+ | |||
+ | ==== Links de Interesse ==== | ||
+ | |||
+ | [[http://www.statmethods.net/advstats/cart.html|Tree-Based Models Quick-R]] | ||
==== To do list ==== | ==== To do list ==== | ||
Linha 38: | Linha 54: | ||
* Use STR as inputs to Random Forests (Regression Problems) | * Use STR as inputs to Random Forests (Regression Problems) | ||
* Bagging STR | * Bagging STR | ||
+ | |||
==== Referências Bibliográficas ==== | ==== Referências Bibliográficas ==== | ||
+ | |||
+ | <bibtex> | ||
+ | @Book{ripley:1996, | ||
+ | author = {Ripley, B.D.}, | ||
+ | title = {Pattern Recognition and Neural Networks}, | ||
+ | publisher = {Cambridge University Press}, | ||
+ | address = {Cambridge}, | ||
+ | year = {1996}, | ||
+ | } | ||
+ | </bibtex> | ||
+ |