Seleção de variáveis no modelo linear com simulated annealing

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Souza, Lucas Felipe Iria Teixeira de
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: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Linear model
Modelo linear
Seleção de variáveis
Simulated annealing
Variable selection
Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-22012025-224937/
Resumo: Este trabalho aborda o problema de seleção de variáveis no contexto do modelo de regressão linear, tratando-o como um problema de otimização. Dado um conjunto de p variáveis explicativas, o objetivo é identificar o subconjunto que proporciona o modelo com melhor desempenho preditivo dentro dos 2p modelos possíveis. Devido à natureza discreta desse problema, empregamos a técnica de simulated annealing (recozimento simulado) e propomos uma implementação eficiente do algoritmo. Além disso, comparamos seu desempenho com métodos clássicos, como Lasso e Forward Stepwise, e discutimos, ao final, as condições sob as quais a utilização de simulated annealing é mais adequada.
id USP_b5c76617983009d1a844a10456fd59bf
oai_identifier_str oai:teses.usp.br:tde-22012025-224937
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Seleção de variáveis no modelo linear com simulated annealingVariable selection in the linear model with simulated annealingLinear modelModelo linearSeleção de variáveisSimulated annealingSimulated annealingVariable selectionEste trabalho aborda o problema de seleção de variáveis no contexto do modelo de regressão linear, tratando-o como um problema de otimização. Dado um conjunto de p variáveis explicativas, o objetivo é identificar o subconjunto que proporciona o modelo com melhor desempenho preditivo dentro dos 2p modelos possíveis. Devido à natureza discreta desse problema, empregamos a técnica de simulated annealing (recozimento simulado) e propomos uma implementação eficiente do algoritmo. Além disso, comparamos seu desempenho com métodos clássicos, como Lasso e Forward Stepwise, e discutimos, ao final, as condições sob as quais a utilização de simulated annealing é mais adequada.This work addresses the variable selection problem in the context of linear regression models, framing it as an optimization problem. Given a set of p explanatory variables, the goal is to identify the subset that provides the best predictive performance among the 2p possible models. Due to the discrete nature of this problem, we employ the simulated annealing technique and propose an efficient implementation of the algorithm. Additionally, we compare its performance with classical methods such as Lasso and Forward Stepwise, and discuss, in conclusion, the scenarios in which simulated annealing is most appropriate.Biblioteca Digitais de Teses e Dissertações da USPIambartsev, AnatoliSouza, Lucas Felipe Iria Teixeira de2024-12-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/45/45133/tde-22012025-224937/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-01-23T15:15:03Zoai:teses.usp.br:tde-22012025-224937Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-01-23T15:15:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Seleção de variáveis no modelo linear com simulated annealing
Variable selection in the linear model with simulated annealing
title Seleção de variáveis no modelo linear com simulated annealing
spellingShingle Seleção de variáveis no modelo linear com simulated annealing
Souza, Lucas Felipe Iria Teixeira de
Linear model
Modelo linear
Seleção de variáveis
Simulated annealing
Simulated annealing
Variable selection
title_short Seleção de variáveis no modelo linear com simulated annealing
title_full Seleção de variáveis no modelo linear com simulated annealing
title_fullStr Seleção de variáveis no modelo linear com simulated annealing
title_full_unstemmed Seleção de variáveis no modelo linear com simulated annealing
title_sort Seleção de variáveis no modelo linear com simulated annealing
author Souza, Lucas Felipe Iria Teixeira de
author_facet Souza, Lucas Felipe Iria Teixeira de
author_role author
dc.contributor.none.fl_str_mv Iambartsev, Anatoli
dc.contributor.author.fl_str_mv Souza, Lucas Felipe Iria Teixeira de
dc.subject.por.fl_str_mv Linear model
Modelo linear
Seleção de variáveis
Simulated annealing
Simulated annealing
Variable selection
topic Linear model
Modelo linear
Seleção de variáveis
Simulated annealing
Simulated annealing
Variable selection
description Este trabalho aborda o problema de seleção de variáveis no contexto do modelo de regressão linear, tratando-o como um problema de otimização. Dado um conjunto de p variáveis explicativas, o objetivo é identificar o subconjunto que proporciona o modelo com melhor desempenho preditivo dentro dos 2p modelos possíveis. Devido à natureza discreta desse problema, empregamos a técnica de simulated annealing (recozimento simulado) e propomos uma implementação eficiente do algoritmo. Além disso, comparamos seu desempenho com métodos clássicos, como Lasso e Forward Stepwise, e discutimos, ao final, as condições sob as quais a utilização de simulated annealing é mais adequada.
publishDate 2024
dc.date.none.fl_str_mv 2024-12-12
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 https://www.teses.usp.br/teses/disponiveis/45/45133/tde-22012025-224937/
url https://www.teses.usp.br/teses/disponiveis/45/45133/tde-22012025-224937/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1839839154664374272

Registros relacionados