Use este identificador para citar ou linkar para este item:
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 |
Primeiro Orientador: | Luiz Henrique Duczmal |
Primeiro membro da banca : | Milton Pifano Soares Ferreira |
Segundo membro da banca: | Denise Bulgarelli Duczmal |
Terceiro membro da banca: | Vinícius Diniz Mayrink |
Quarto membro da banca: | Uriel Moreira Silva |
Resumo: | 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. |
Assunto: | Estatística – Teses Redes neurais – Teses Predição – Teses Gradient Boosted Trees – Teses |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICX - DEPARTAMENTO DE ESTATÍSTICA |
Curso: | Programa de Pós-Graduação em Estatística |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/46008 |
Data do documento: | 25-Mai-2022 |
Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Redes Neurais para Dados Tabulares Uma Comparação Empírica.pdf | 4.33 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.