Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/46008| Tipo: | Dissertação |
| Título: | Redes neurais para dados tabulares: uma comparação empírica |
| Título(s) alternativo(s): | Neural networks for tabular data: an empirical comparison |
| Autor(es): | Fernando Augusto Melo Duarte Malta |
| primer Tutor: | Luiz Henrique Duczmal |
| primer miembro del tribunal : | Milton Pifano Soares Ferreira |
| Segundo miembro del tribunal: | Denise Bulgarelli Duczmal |
| Tercer miembro del tribunal: | Vinícius Diniz Mayrink |
| Cuarto miembro del tribunal: | Uriel Moreira Silva |
| Resumen: | O Aprendizado Profundo passou por significativas transformações nas últimas décadas, o tornando a ferramenta principal na modelagem de dados não estruturados, como vídeos, áudios, linguagem e imagens. Entretanto, para dados estruturados ele não foi capaz de superar a popularidade de métodos mais estabelecidos, como Modelos Lineares Generalizados, Gradient Boosted Trees e Bagging. Nos últimos anos, modelos promissores emergiram para dados tabulares objetivando adaptar, para redes neurais, inovações aplicadas à dados não estruturados, como a arquitetura dos transformers, ou que tentam simular processos baseados em árvores de decisão. Este estudo é uma comparação empírica desses modelos em bases de dados de dimensões e tamanhos amostrais muito diferentes. Sendo ilustrado por diversas áreas, como ciência dos materiais, marketing, biologia e astronomia. |
| Abstract: | Deep Learning has undergone significant transformations in recent decades, making it the dominant strategy in modeling unstructured data, such as videos, audios, language, and images. Although it came to structured data, it was not able to overcome the popularity of more established methods such as Generalized Linear Models, Gradient Boosted Trees and Bagging. In recent years, promising models have emerged for tabular data that aim to adapt, for neural networks, innovations applied to unstructured data, such as the architecture of transformers, or that tried to simulate processes based on decision trees. This study is an empirical comparison of these models in databases of very different dimensions and sample sizes. It is illustrated by various areas, such as materials science, marketing, biology, and astronomy. |
| Asunto: | Estatística – Teses Redes neurais – Teses Predição – Teses Gradient Boosted Trees – Teses |
| Idioma: | por |
| País: | Brasil |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Institución: | UFMG |
| Departamento: | ICX - DEPARTAMENTO DE ESTATÍSTICA |
| Curso: | Programa de Pós-Graduação em Estatística |
| Tipo de acceso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/46008 |
| Fecha del documento: | 25-may-2022 |
| Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
| archivo | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Redes Neurais para Dados Tabulares Uma Comparação Empírica.pdf | 4.33 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.