Seleção de variáveis usando o algoritmo genético

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Pinto, Matheus Henrique Tavares
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Rio Grande do Norte
Brasil
UFRN
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Estatística matemática
AGE
AIC
Seleção de variáveis
Processos estocásticos
Cadeias de Markov
Link de acesso: https://repositorio.ufrn.br/handle/123456789/48411
Resumo: Many practical problems involving linear models has a step that consists in reducing the number of variables of the model, either it is very expensive to deal with too many variables or because some of the variables are able to explain the response satisfactorily. We can cite among such methods of reducing the number of variables of a linear model, the principal component analysis, best subset selection, forward stepwise selection, etc. In this work, we present how to use the elitist genetic algorithm in order to select a collection of variables for a linear model. Besides that, we show the convergence of the elitist genetic algorithm to the set of all possible populations containing a solution of the problem under study, at the same time we will obtain solutions to the variable selection problem using the convergence of the elitist genetic algorithm.
id UFRN_09d826eff12bce8e1aa29558750aed19
oai_identifier_str oai:repositorio.ufrn.br:123456789/48411
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Seleção de variáveis usando o algoritmo genéticoEstatística matemáticaAGEAICSeleção de variáveisProcessos estocásticosCadeias de MarkovMany practical problems involving linear models has a step that consists in reducing the number of variables of the model, either it is very expensive to deal with too many variables or because some of the variables are able to explain the response satisfactorily. We can cite among such methods of reducing the number of variables of a linear model, the principal component analysis, best subset selection, forward stepwise selection, etc. In this work, we present how to use the elitist genetic algorithm in order to select a collection of variables for a linear model. Besides that, we show the convergence of the elitist genetic algorithm to the set of all possible populations containing a solution of the problem under study, at the same time we will obtain solutions to the variable selection problem using the convergence of the elitist genetic algorithm.Muitos problemas práticos envolvendo modelos lineares em algum momento necessitam de uma redução do número de varíaveis envolvidas, seja pelo custo envolvido em se trabalhar com muitas variáveis, seja por que uma certa quantidade de variáveis já explica satisfatoriamente o problema abordado. Podemos citar entre outras técnicas a análise de componentes principais, a seleção do melhor subconjunto de variáveis, a seleção progressiva de variáveis, etc. Nesse trabalho apresentaremos como proceder a seleção de variáveis de um modelo linear utilizando o algoritmo genético . Além disso, mostramos que o algoritmo genético elitista (AGE) converge para o conjunto das populações contendo uma solução do problema de otimização considerado, ao mesmo tempo, mostramos como usar a convergência do AGE para obter soluções para o problema de seleção de variáveis.Universidade Federal do Rio Grande do NorteBrasilUFRNPROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICAPereira, André Gustavo Camposhttp://lattes.cnpq.br/2351937901646677http://lattes.cnpq.br/7174877398310072Morales, Fidel Ernesto Castrohttp://lattes.cnpq.br/8552159154343151Santos Neto, Manoel Ferreira dosPinto, Matheus Henrique Tavares2022-07-08T20:30:04Z2022-07-08T20:30:04Z2022-02-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPINTO, Matheus Henrique Tavares. Seleção de variáveis usando o algoritmo genético. 2022. 56f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/48411info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRN2022-07-08T20:30:42Zoai:repositorio.ufrn.br:123456789/48411Repositório InstitucionalPUBhttp://repositorio.ufrn.br/oai/repositorio@bczm.ufrn.bropendoar:2022-07-08T20:30:42Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.none.fl_str_mv Seleção de variáveis usando o algoritmo genético
title Seleção de variáveis usando o algoritmo genético
spellingShingle Seleção de variáveis usando o algoritmo genético
Pinto, Matheus Henrique Tavares
Estatística matemática
AGE
AIC
Seleção de variáveis
Processos estocásticos
Cadeias de Markov
title_short Seleção de variáveis usando o algoritmo genético
title_full Seleção de variáveis usando o algoritmo genético
title_fullStr Seleção de variáveis usando o algoritmo genético
title_full_unstemmed Seleção de variáveis usando o algoritmo genético
title_sort Seleção de variáveis usando o algoritmo genético
author Pinto, Matheus Henrique Tavares
author_facet Pinto, Matheus Henrique Tavares
author_role author
dc.contributor.none.fl_str_mv Pereira, André Gustavo Campos
http://lattes.cnpq.br/2351937901646677
http://lattes.cnpq.br/7174877398310072
Morales, Fidel Ernesto Castro
http://lattes.cnpq.br/8552159154343151
Santos Neto, Manoel Ferreira dos
dc.contributor.author.fl_str_mv Pinto, Matheus Henrique Tavares
dc.subject.por.fl_str_mv Estatística matemática
AGE
AIC
Seleção de variáveis
Processos estocásticos
Cadeias de Markov
topic Estatística matemática
AGE
AIC
Seleção de variáveis
Processos estocásticos
Cadeias de Markov
description Many practical problems involving linear models has a step that consists in reducing the number of variables of the model, either it is very expensive to deal with too many variables or because some of the variables are able to explain the response satisfactorily. We can cite among such methods of reducing the number of variables of a linear model, the principal component analysis, best subset selection, forward stepwise selection, etc. In this work, we present how to use the elitist genetic algorithm in order to select a collection of variables for a linear model. Besides that, we show the convergence of the elitist genetic algorithm to the set of all possible populations containing a solution of the problem under study, at the same time we will obtain solutions to the variable selection problem using the convergence of the elitist genetic algorithm.
publishDate 2022
dc.date.none.fl_str_mv 2022-07-08T20:30:04Z
2022-07-08T20:30:04Z
2022-02-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv PINTO, Matheus Henrique Tavares. Seleção de variáveis usando o algoritmo genético. 2022. 56f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022.
https://repositorio.ufrn.br/handle/123456789/48411
identifier_str_mv PINTO, Matheus Henrique Tavares. Seleção de variáveis usando o algoritmo genético. 2022. 56f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2022.
url https://repositorio.ufrn.br/handle/123456789/48411
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
Brasil
UFRN
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
Brasil
UFRN
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv repositorio@bczm.ufrn.br
_version_ 1855758855813726208

Registros relacionados