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 [2008/03/20 23:37] joel |
projetos:modeltrees [2008/08/15 13:18] 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 == | ||
Linha 12: | 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 em competições como : |
- | + | ||
- | 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 26: | Linha 29: | ||
* {{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}} | ||
==== 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 ==== |