Modelos alternativos para classificação em dados desbalanceados
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal de São Carlos
Câmpus São Carlos |
| Programa de Pós-Graduação: |
Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | https://repositorio.ufscar.br/handle/20.500.14289/18630 |
Resumo: | In binary classification, the most used method is logistic regression model. However, several authors indicate that this model is not suitable when the data are imbalanced; for this, different asymmetric link functions as alternatives for binary response models have been proposed, for example, in recent years the power (P) and reverse power (RP) distributions have been presented. In this work we develop new properties of the P and RP distributions in the context of models for classification on imbalanced data. Also, some metrics for classification are studied through a simulation study, and an application of the studied methodology is presented. In addition, we extend the binary regression models to the case of mixed models for binary classification in the context of a longitudinal studies. To evaluate the performance of the models, a simulation study is performed. Additionally, an application is considered concerning the studied methodology in a dataset in which the response is longitudinal and imbalanced. For parameter estimation the Bayesian approach is considered using a MCMC procedure through the No-U-Turn Sampler (NUTS) algorithm. Further predictive checks, randomized Bayesian quantile residuals and a measure of Bayesian influence are considered for model diagnosis. Different models are compared using model selection criteria. |
| id |
SCAR_27334bab5a416daee3c7d76d516ef348 |
|---|---|
| oai_identifier_str |
oai:repositorio.ufscar.br:20.500.14289/18630 |
| network_acronym_str |
SCAR |
| network_name_str |
Repositório Institucional da UFSCAR |
| repository_id_str |
|
| spelling |
de la Cruz Huayanay, AlexBazán Guzmán, Jorge Luishttp://lattes.cnpq.br/8040998023074358http://lattes.cnpq.br/5174900495252139https://orcid.org/0000-0003-0746-0803c61cac02-1a87-4c58-918e-5b4ba99b0a532023-09-22T17:01:47Z2023-09-22T17:01:47Z2023-08-11DE LA CRUZ HUAYANAY, Alex. Modelos alternativos para classificação em dados desbalanceados. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/18630.https://repositorio.ufscar.br/handle/20.500.14289/18630In binary classification, the most used method is logistic regression model. However, several authors indicate that this model is not suitable when the data are imbalanced; for this, different asymmetric link functions as alternatives for binary response models have been proposed, for example, in recent years the power (P) and reverse power (RP) distributions have been presented. In this work we develop new properties of the P and RP distributions in the context of models for classification on imbalanced data. Also, some metrics for classification are studied through a simulation study, and an application of the studied methodology is presented. In addition, we extend the binary regression models to the case of mixed models for binary classification in the context of a longitudinal studies. To evaluate the performance of the models, a simulation study is performed. Additionally, an application is considered concerning the studied methodology in a dataset in which the response is longitudinal and imbalanced. For parameter estimation the Bayesian approach is considered using a MCMC procedure through the No-U-Turn Sampler (NUTS) algorithm. Further predictive checks, randomized Bayesian quantile residuals and a measure of Bayesian influence are considered for model diagnosis. Different models are compared using model selection criteria.Na classificação binária o método mais usado é o modelo de regressão logística. No entanto, vários autores indicam que esse modelo não é adequado quando os dados são desbalanceados. Diante disso, diferentes funções de ligação assimétrica, como alternativas para modelos de resposta binária, foram propostas; por exemplo, nos últimos anos foram estudadas as distribuições potência (P) e reversa de potência (RP). Neste trabalho desenvolvemos novas propriedades das distribuições P e RP no contexto de modelos para classificação em dados desbalanceados. Também, algumas métricas para classificação são estudadas através de um estudo de simulação, e uma aplicação da metologia estudada é apresentada. Além do mais, estudamos a extensão dos modelos de regressão binária para o caso misto em classificação binária no contexto de estudos longitudinais. Para avaliar o performance deste tipo de modelos apresentamos um estudo de simulação. Adicionalmente, mostramos uma aplicação da metodologia estudada para um conjunto de dados em que a variável resposta é longitudinal e desbalanceada. Para o processo de estimação dos parâmetros consideramos uma abordagem bayesiana usando um procedimento MCMC através do algoritmo No-U-Turn Sampler (NUTS). Verificações preditivas a posteriori, resíduos quantílicos aleatorizados Bayesianos e uma medida de influência bayesiana são considerados para o diagnóstico do modelo longitudinal. Diferentes modelos são comparados usando critérios de comparação de modelos.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)001porUniversidade Federal de São CarlosCâmpus São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessMétricas para classificação bináriaPotência GumbelDistribuição potênciaLigação assimétricaDados desbalanceadosModelo de efeitos mistosAsymmetric linkMetrics for binary classificationPower GumbelPower distributionImbalanced dataMixed-effects modelCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICAModelos alternativos para classificação em dados desbalanceadosAlternative models for classification in imbalanced datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis600712d7773-fe6a-4a4f-a2f1-42684ef30b44reponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8810https://repositorio.ufscar.br/bitstreams/b7a34256-36e5-4067-a352-7ac2fd265861/downloadf337d95da1fce0a22c77480e5e9a7aecMD52falseAnonymousREAD2023-09-21ORIGINALTeseAlex.pdfTeseAlex.pdfapplication/pdf1534207https://repositorio.ufscar.br/bitstreams/eba707a2-5703-4e6c-bc28-4cec5080d38c/download0669c5283a7559efc49f991fead0d019MD51trueAnonymousREAD2023-09-21TEXTTeseAlex.pdf.txtTeseAlex.pdf.txtExtracted texttext/plain216676https://repositorio.ufscar.br/bitstreams/a811f116-2e9a-461d-b2bb-5336fdbebd84/downloadf8c21c6a51295742fabcbdb21fc6cf95MD53falseAnonymousREAD2023-09-21THUMBNAILTeseAlex.pdf.jpgTeseAlex.pdf.jpgIM Thumbnailimage/jpeg15025https://repositorio.ufscar.br/bitstreams/56df8a44-1ffa-434d-9379-ed2b454e71f2/download081af58706c626d54a6cd02ffed0b54fMD54falseAnonymousREAD2023-09-2120.500.14289/186302025-02-06 00:26:57.622http://creativecommons.org/licenses/by-nc-nd/3.0/br/Attribution-NonCommercial-NoDerivs 3.0 Brazilopen.accessoai:repositorio.ufscar.br:20.500.14289/18630https://repositorio.ufscar.brRepositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestrepositorio.sibi@ufscar.bropendoar:43222025-02-06T03:26:57Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
| dc.title.por.fl_str_mv |
Modelos alternativos para classificação em dados desbalanceados |
| dc.title.alternative.eng.fl_str_mv |
Alternative models for classification in imbalanced data |
| title |
Modelos alternativos para classificação em dados desbalanceados |
| spellingShingle |
Modelos alternativos para classificação em dados desbalanceados de la Cruz Huayanay, Alex Métricas para classificação binária Potência Gumbel Distribuição potência Ligação assimétrica Dados desbalanceados Modelo de efeitos mistos Asymmetric link Metrics for binary classification Power Gumbel Power distribution Imbalanced data Mixed-effects model CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
| title_short |
Modelos alternativos para classificação em dados desbalanceados |
| title_full |
Modelos alternativos para classificação em dados desbalanceados |
| title_fullStr |
Modelos alternativos para classificação em dados desbalanceados |
| title_full_unstemmed |
Modelos alternativos para classificação em dados desbalanceados |
| title_sort |
Modelos alternativos para classificação em dados desbalanceados |
| author |
de la Cruz Huayanay, Alex |
| author_facet |
de la Cruz Huayanay, Alex |
| author_role |
author |
| dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/5174900495252139 |
| dc.contributor.authororcid.por.fl_str_mv |
https://orcid.org/0000-0003-0746-0803 |
| dc.contributor.author.fl_str_mv |
de la Cruz Huayanay, Alex |
| dc.contributor.advisor1.fl_str_mv |
Bazán Guzmán, Jorge Luis |
| dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8040998023074358 |
| dc.contributor.authorID.fl_str_mv |
c61cac02-1a87-4c58-918e-5b4ba99b0a53 |
| contributor_str_mv |
Bazán Guzmán, Jorge Luis |
| dc.subject.por.fl_str_mv |
Métricas para classificação binária Potência Gumbel Distribuição potência Ligação assimétrica Dados desbalanceados Modelo de efeitos mistos Asymmetric link |
| topic |
Métricas para classificação binária Potência Gumbel Distribuição potência Ligação assimétrica Dados desbalanceados Modelo de efeitos mistos Asymmetric link Metrics for binary classification Power Gumbel Power distribution Imbalanced data Mixed-effects model CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
| dc.subject.eng.fl_str_mv |
Metrics for binary classification Power Gumbel Power distribution Imbalanced data Mixed-effects model |
| dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
| description |
In binary classification, the most used method is logistic regression model. However, several authors indicate that this model is not suitable when the data are imbalanced; for this, different asymmetric link functions as alternatives for binary response models have been proposed, for example, in recent years the power (P) and reverse power (RP) distributions have been presented. In this work we develop new properties of the P and RP distributions in the context of models for classification on imbalanced data. Also, some metrics for classification are studied through a simulation study, and an application of the studied methodology is presented. In addition, we extend the binary regression models to the case of mixed models for binary classification in the context of a longitudinal studies. To evaluate the performance of the models, a simulation study is performed. Additionally, an application is considered concerning the studied methodology in a dataset in which the response is longitudinal and imbalanced. For parameter estimation the Bayesian approach is considered using a MCMC procedure through the No-U-Turn Sampler (NUTS) algorithm. Further predictive checks, randomized Bayesian quantile residuals and a measure of Bayesian influence are considered for model diagnosis. Different models are compared using model selection criteria. |
| publishDate |
2023 |
| dc.date.accessioned.fl_str_mv |
2023-09-22T17:01:47Z |
| dc.date.available.fl_str_mv |
2023-09-22T17:01:47Z |
| dc.date.issued.fl_str_mv |
2023-08-11 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.citation.fl_str_mv |
DE LA CRUZ HUAYANAY, Alex. Modelos alternativos para classificação em dados desbalanceados. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/18630. |
| dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/20.500.14289/18630 |
| identifier_str_mv |
DE LA CRUZ HUAYANAY, Alex. Modelos alternativos para classificação em dados desbalanceados. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/18630. |
| url |
https://repositorio.ufscar.br/handle/20.500.14289/18630 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.confidence.fl_str_mv |
600 |
| dc.relation.authority.fl_str_mv |
712d7773-fe6a-4a4f-a2f1-42684ef30b44 |
| dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
| eu_rights_str_mv |
openAccess |
| dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos |
| dc.publisher.program.fl_str_mv |
Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs |
| dc.publisher.initials.fl_str_mv |
UFSCar |
| publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
| instname_str |
Universidade Federal de São Carlos (UFSCAR) |
| instacron_str |
UFSCAR |
| institution |
UFSCAR |
| reponame_str |
Repositório Institucional da UFSCAR |
| collection |
Repositório Institucional da UFSCAR |
| bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstreams/b7a34256-36e5-4067-a352-7ac2fd265861/download https://repositorio.ufscar.br/bitstreams/eba707a2-5703-4e6c-bc28-4cec5080d38c/download https://repositorio.ufscar.br/bitstreams/a811f116-2e9a-461d-b2bb-5336fdbebd84/download https://repositorio.ufscar.br/bitstreams/56df8a44-1ffa-434d-9379-ed2b454e71f2/download |
| bitstream.checksum.fl_str_mv |
f337d95da1fce0a22c77480e5e9a7aec 0669c5283a7559efc49f991fead0d019 f8c21c6a51295742fabcbdb21fc6cf95 081af58706c626d54a6cd02ffed0b54f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
| repository.mail.fl_str_mv |
repositorio.sibi@ufscar.br |
| _version_ |
1851688794032439296 |