Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica

• Ano de defesa: 2017
• Autor(a) principal: Pereira, Leandro da Silva
• Orientador(a): Chaves, Lucas Monteiro
• Banca de defesa: Chaves, Lucas Monteiro, Sáfadi, Thelma, Ferreira, Daniel Furtado, Nunes, José Airton Rodrigues, Silva, Fabyano Fonseca e
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Ciências Exatas
• País: brasil
• Palavras-chave em Português: Regressão linear – Geometria; Linear regression – Geometry; Least Absolute Shrinkage and Selection Operator (LASSO); Least Angle Regression (LARS); Elastic net
• Área do conhecimento CNPq: Regressão e Correlação
• Link de acesso: https://repositorio.ufla.br/handle/1/12257

Os métodos de estimação e seleção de variáveis em modelos lineares, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) e Elastic Net, são abordados utilizando ênfase em aspectos geométricos. O texto se propõe a ser uma leitura auxiliar aos artigos clássicos de Tibshirani, Hastie, Efron, Zou e Johnstone, apresentando de forma mais detalhada alguns dos resultados citados nos referidos artigos. Tal ponto de vista não ocorre na literatura básica relativa a estes métodos, e neste sentido o trabalho representa uma contribuição original ao assunto. Simulações utilizando a linguagem R (pacote glmnet) são desenvolvidas para se estudar o comportamento dos estimadores. Para um conjunto de dados de suínos Sus scrofa, são analisados 237 marcadores genéticos( SNPs) pelo método Elastic Net, para a resposta relativa ao pH da carne e peso de carcaça.