Métodos para seleção de modelos de mistura

• Processo: 24/00413-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2024
• Data de Término da vigência: 30 de abril de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Daiane Aparecida Zuanetti
• Beneficiário: Daiane Aparecida Zuanetti
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Métodos MCMC Algoritmos Distribuição de Dirichlet Problema de Dirichlet
• Palavra(s)-Chave do Pesquisador: Algoritmo EM estocástico | Alocação latente de Dirichlet | HMM não-homogêneo | Lasso | Métodos MCMC | Modelos de mistura e seleção de modelos

Resumo

Os modelos de mistura têm ganhado muita visibilidade nas últimas duas décadas e sido muito utilizados em muitas áreas de pesquisa pela sua flexibilidade em acomodar dados heterogêneos, independentes ou dependentes, estruturados ou não estruturados. Com a disponibilidade de dados de alta dimensão e com um número cada vez maior de informações, dois grandes desafios têm sido identificar o número ideal de componentes (grupos) na mistura e selecionar as variáveis (covariáveis ou preditoras) que, em alguns casos, são utilizadas em uma função de regressão para definir algum(uns) parâmetro(s) envolvido(s) no modelo. Esse projeto, portanto, consiste em dois sub-projetos simultâneos. Um deles é focado em propor metodologias frequentistas e Bayesianas mais eficientes para seleção de variáveis em modelos Markovianos ocultos não-homogêneos, que se tratam de modelos de mistura com dados dependentes ao longo do tempo. O objetivo do segundo sub-projeto é comparar o desempenho de várias métricas conhecidas para seleção do número de tópicos em modelos de mistura para análises textuais e alocação latente de Dirichlet, que pode ser visto como uma flexibilização dos modelos de mistura na análise e agrupamento de textos. A performance e desempenho dos métodos propostos e estudados serão analisados e comparados em dados simulados e reais. (AU)