$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC |



Título: MÉTODOS DE CLASSIFICAÇÃO ESTATÍSTICA: UMA COMPARAÇÃO
Autor: MATEUS LEVI SIMOES FERNANDES
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  CRISTIANO AUGUSTO COELHO FERNANDES - ORIENTADOR
Nº do Conteudo: 60497
Catalogação:  06/09/2022 Idioma(s):  PORTUGUÊS - BRASIL
Tipo:  TEXTO Subtipo:  TRABALHO DE FIM DE CURSO
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60497@1
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.60497

Resumo:
Esse projeto teve como objetivo a análise de diferentes métodos de classificação estatística, visando entender os fundamentos por trás de cada um e suas características. Os métodos investigados foram: regressão logística, linear discriminant analysis, k-nearest neighbours, árvores de classificação, random forests e support vector machines. Após um estudo conceitual de cada método, estes foram aplicados a três diferentes bases de dados: Taiwan Company Bankruptcy, Student Alcohol Consumption e PNAD COVID19. Os modelos foram implementados utilizando o pacote caret, disponível na linguagem R. A partir de um conjunto de métricas como acurácia, ROC-AUC e log loss, foram escolhidos como mais acurados os modelos de gradient boosting e random forests. Assim, concluiu-se que métodos de classificação baseados em ensemble possuem melhor capacidade preditiva de forma geral, apesar de outros métodos também serem capazes de gerarem bons resultados e possuirem outras características vantajosas como interpretabilidade e tempo de execução.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui