Métodos de regularização no aprendizado de Máquinas: Ridge e LASSO

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorYaginuma, Karina Yuriko-
Autor(es): dc.contributorYaginuma, Karina Yuriko-
Autor(es): dc.contributorPinto, Douglas Rodrigues-
Autor(es): dc.contributorCapistrano, Estelina Serrano de Marins-
Autor(es): dc.creatorPassos, Luiz Fernando Coelho-
Data de aceite: dc.date.accessioned2024-07-11T17:47:52Z-
Data de disponibilização: dc.date.available2024-07-11T17:47:52Z-
Data de envio: dc.date.issued2023-03-28-
Data de envio: dc.date.issued2023-03-28-
Data de envio: dc.date.issued2021-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/28391-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/757694-
Descrição: dc.descriptionO presente trabalho tem como proposta analisar o comportamento dos métodos de regularização de Ridge e LASSO. A Regressão Linear é um dos modelos mais utilizado no aprendizado de máquinas, porém quando o modelo possui muitas variáveis pode causar subajuste ou sobreajuste, gerando predições ruins. Uma solução para este problema é considerar os métodos de regularização que aplicam uma penalização sobre os parâmetros do modelo, minimizando a importância de variáveis menos relevantes, diminuindo a complexidade e garantindo que o modelo seja generalizável. Dois dos métodos de regularização mais utilizados são a regressão de Ridge, que inclui todos os preditores no modelo final, e a regressão de LASSO que, além de penalizar os parâmetros, realiza seleção de variáveis, ou seja, pode zerar as estimativas de alguns parâmetros. Por fim, realizou-se um estudo prático a partir de três bases de dados distintas, aplicando os métodos de Ridge e LASSO com auxílio do pacote tidymodels na linguagem de programação R. Em suma, Ridge e LASSO são dois poderosos métodos para modelagem de dados, entretanto, na análise prática, LASSO obteve melhores resultados em todos os casos.-
Descrição: dc.description49 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectMétodos de regularização-
Palavras-chave: dc.subjectRidge-
Palavras-chave: dc.subjectLASSO-
Palavras-chave: dc.subjectRegressão linear múltipla-
Palavras-chave: dc.subjectMétodo estatístico-
Palavras-chave: dc.subjectLinguagem de programação de computador-
Título: dc.titleMétodos de regularização no aprendizado de Máquinas: Ridge e LASSO-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.