Modelos de regressÃo para dados simbÃlicos de natureza intervalar

AUTOR(ES)

EufrÃsio de Andrade Lima Neto

DATA DE PUBLICAÇÃO

2008

RESUMO

O processo de descoberta de conhecimento tem por objetivo a extraÃÃo de informaÃÃes Ãteis (conhecimento) em bases de dados. As ferramentas utilizadas para execuÃÃo do processo de extraÃÃo de conhecimento sÃo genÃricas e derivadas de diferentes Ãreas de conhecimento tais como da estatÃstica, aprendizagem de mÃquina e banco de dados. Dentre as tÃcnicas estatÃsticas, os modelos de regressÃo procuram classificar ou prever o comportamento de uma variÃvel dependente (resposta) a partir das informaÃÃes provenientes de um conjunto de variÃveis independentes (explicativas). A anÃlise de dados simbÃlicos (SDA) (Bock &Diday 2000) tem sido introduzida como uma novo domÃnio relacionado à anÃlise multivariada, reconhecimento de padrÃes e inteligÃncia artificial com o objetivo de estender os mÃtodos estatÃsticos e de anÃlise exploratÃria de dados para dados simbÃlicos. O objetivo deste trabalho à propor mÃtodos de regressÃo linear e nÃo-linear para dados simbÃlicos que apresentem uma performance de prediÃÃo superior ao mÃtodo proposto por Billard &Diday (2000), no caso de variÃveis simbÃlicas tipo intervalo

ASSUNTO(S)

symbolic data ciencia da computacao variÃvel intervalar modelos de regressÃo interval variable regression models dados simbÃlicos

Documentos Relacionados

• ClassificaÃÃo supervisionada usando dados simbÃlicos de semÃntica modal
• MÃtodos de agrupamento de dados simbÃlicos baseados em funÃÃes de proximidade
• Uma soluÃÃo em filtragem de informaÃÃo para sistemas de recomendaÃÃo baseada em anÃlise de dados simbÃlicos
• EstimaÃÃo pontual e intervalar em um modelo de regressÃo Beta
• EstimaÃÃo pontual e intervalar em um modelo de regressÃo beta