Estimação não paramétrica de curvas por splines aplicados e problemas de classificação via bagging, boosting e logistic boosting

• Processo: 01/11346-8
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2002
• Data de Término da vigência: 29 de fevereiro de 2004
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Ronaldo Dias
• Beneficiário: Alexandre Rubesam
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Algoritmos Amostragem
• Palavra(s)-Chave do Pesquisador: Booststrap | B-Spines | Re-Amostragem | Regressao Nao Parametrica | Simulacao

Resumo

Bagging e Boosting são uns dos mais bem sucedidos procedimentos da moderna metodologia de classificação. Os algoritmos Boosting estão fortemente relacionados com estimação de não paramétrica funções (predictive learning), onde o problema de classificação é um caso particular. Contudo é de conhecimento de parte dos estatísticos assim como dos cientistas que trabalham na área de Inteligência artificial que em várias situações Boosting tem performance melhor do que o procedimento Bagging, embora nenhuma formalização tenha sido apresentada (os resultados são empíricos). Neste projeto, pretendemos compreender e comparar os procedimentos Boosting (e logistic boosting) e Bagging para aplicações no setor financeiro para classificação de clientes e/ou risco de crédito e possivelmente em problemas de classificação em dados de genética. Mais ainda, desejamos verificar se procedimentos similares aqueles desenvolvidos em Dias (1999a) e Dias (1999b) podem colaborar substancialmente na performance de tais algoritmos, analogamente ao que foi desenvolvido por Friedman et al (2000) (logistic boosting). Sob o ponto de vista Bayesiano a questão é se procedimentos semelhantes a Dias e Gamernan (2000) podem ser aplicados a estas metodologias com baixo custo computacional. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

RUBESAM, Alexandre. Estimação não parametrica aplicada a problemas de classificação via Bagging e Boosting. 2004. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica Campinas, SP.