Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/10018
Full metadata record
DC FieldValueLanguage
dc.coverage.spatialPortopt_PT
dc.creatorTorgo, Luís Fernando Raínho Alvespt_PT
dc.date.accessioned2009-05-15T12:00:27Zpt_PT
dc.date.accessioned2012-06-26T17:50:57Z-
dc.date.available2009-05-15T12:00:27Zpt_PT
dc.date.available2012-06-26T17:50:57Z-
dc.date.issued1999pt_PT
dc.identifier.other2348_TDpt_PT
dc.identifier.urihttp://hdl.handle.net/10216/10018pt_PT
dc.descriptionDissertação de Doutoramento em Ciência de Computadores apresentada à Faculdade de Ciências da Universidade do Portopt_PT
dc.description.abstractEsta tese explora diferentes aspectos da metodologia de indução de árvores de regressão a partir de amostras de dados. O objectivo principal deste estudo é o de melhorar a capacidade predictiva das árvores de regressão tentando manter, tanto quanto possível, a sua compreensibilidade e eficiência computacional. O nosso estudo sobre este tipo de modelos de regressão é dividido em três partes principais.Na primeira parte do estudo são descritas em detalhe duas metodologias para crescer árvores de regressão: uma que minimiza o erro quadrado médio; e outra que minimiza o desvio absoluto médio. A análise que é apresentada concentra-se primordialmente na questão da eficiência computacional do processo de crescimento das árvores. São apresentados diversos algoritmos novos que originam ganhos de eficiência computacional significativos. Por fim, é apresentada uma comparação experimental das duas metodologias alternativas, mostrando claramente os diferentes objectivos práticos de cada uma. A poda das árvores de regressão é um procedimento "standard" neste tipo de metodologias cujo objectivo principal é o de proporcionar um melhor compromisso entre a simplicidade e compreensibilidade das árvores e a sua capacidade predictiva. Na segunda parte desta dissertação são descritas uma série de técnicas novas de poda baseadas num processo de selecção a partir de um conjunto de árvores podadas alternativas. Apresentamos também um conjunto extenso de experiências comparando diferentes métodos de podar árvores de regressão. Os resultados desta comparação, levada a cabo num largo conjunto de problemas, mostram que as nossas técnicas de poda obtêm resultados, em termos de capacidade predictiva, significativamente superiores aos obtidos pelos métodos do actual "estado da arte". Na parte final desta dissertação é apresentado um novo tipo de árvores, que denominamos árvores de regressão locais. Estes modelos híbridos resultam da integração das árvores de regressão com técnicas de modelação ...pt_PT
dc.format.mimetypeapplication/pdfpt_PT
dc.languageporpt_PT
dc.publisherUniversidade do Porto. Reitoriapt_PT
dc.rightsopenAccesspt_PT
dc.titleInductive learning of tree-based regression modelspt_PT
dc.typeTesept_PT
Appears in Collections:FCUP - Tese

Files in This Item:
File Description SizeFormat 
2348_TD_01_C.pdfVolume 01 Cores70.07 MBAdobe PDFThumbnail
View/Open
2348_TD_01_P.pdfVolume 01 Preto & Branco15.52 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.