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 [2007/10/22 21:19] joel |
projetos:modeltrees [2008/08/15 13:16] 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. | ||
+ | |||
+ | |||
+ | |||
===== Introdução ===== | ===== Introdução ===== | ||
+ | |||
+ | 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. | ||
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. | 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. | ||
- | Quando a variável resposta é uma classe, estes modelos são denominados árvores de classificação. | + | 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. |
+ | |||
+ | 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,... | ||
+ | |||
+ | Uma das desvantagens destes algoritmos é a instabilidade do modelo final. Pequenas mudanças na base de dados pode gerar diferentes modelos. Por este motivo, são adotadas saídas como Bagging e Boosting para problemas que a finalidade é preditiva. | ||
==== Artigos ==== | ==== Artigos ==== | ||
Linha 17: | Linha 37: | ||
* {{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:cart_area_medica.pdf|Aplicação do CART na Área Médica}} | ||
==== 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 28: | Linha 55: | ||
* 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> | ||
+ |