Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica

Página do item simplificado
dc.contributor.advisor1Chaves, Lucas Monteiro
dc.contributor.referee1Chaves, Lucas Monteiro
dc.contributor.referee2Sáfadi, Thelma
dc.contributor.referee3Ferreira, Daniel Furtado
dc.contributor.referee4Nunes, José Airton Rodrigues
dc.contributor.referee5Silva, Fabyano Fonseca e
dc.creatorPereira, Leandro da Silva
dc.creator.Latteshttp://lattes.cnpq.br/4814551059025566pt_BR
dc.date.accessioned2017-02-07T11:49:40Z
dc.date.available2017-02-07T11:49:40Z
dc.date.issued2017-02-06
dc.date.submitted2017-01-27
dc.description.abstractThe methods of estimation and variable selection in linear models, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) and Elastic Net, are addressed using emphasis in terms of a geometric approach. The present work proposes to be an auxiliary reading to the classic articles of Tibshirani, Hastie, Efron, Zou and Johnstone, presenting in more detail some of the results cited in such articles. Such a point of view does not occur in the basic literature regarding these methods, and in this sense the work represents an original contribution to the subject. Simulations using R code (glmnet package) are developed to study the behavior of the estimators. For a data set of Sus scrofa pork, 237 genetic markers (SNPs) are analyzed using the Elastic Net method, using as response the pork pH and carcass weight.pt_BR
dc.description.resumoOs métodos de estimação e seleção de variáveis em modelos lineares, LASSO (Least Absolute Shrinkage and Selection Operator), LARS (Least Angle Regression) e Elastic Net, são abordados utilizando ênfase em aspectos geométricos. O texto se propõe a ser uma leitura auxiliar aos artigos clássicos de Tibshirani, Hastie, Efron, Zou e Johnstone, apresentando de forma mais detalhada alguns dos resultados citados nos referidos artigos. Tal ponto de vista não ocorre na literatura básica relativa a estes métodos, e neste sentido o trabalho representa uma contribuição original ao assunto. Simulações utilizando a linguagem R (pacote glmnet) são desenvolvidas para se estudar o comportamento dos estimadores. Para um conjunto de dados de suínos Sus scrofa, são analisados 237 marcadores genéticos( SNPs) pelo método Elastic Net, para a resposta relativa ao pH da carne e peso de carcaça.pt_BR
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)pt_BR
dc.identifier.citationPEREIRA, L. da S. Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica. 2017. 167 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2017.pt_BR
dc.identifier.urihttps://repositorio.ufla.br/handle/1/12257
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.publisher.countrybrasilpt_BR
dc.publisher.departmentDepartamento de Ciências Exataspt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.programPrograma de Pós-Graduação em Estatística e Experimentação Agropecuáriapt_BR
dc.rightsacesso abertopt_BR
dc.subjectRegressão linear – Geometriapt_BR
dc.subjectLinear regression – Geometrypt_BR
dc.subjectLeast Absolute Shrinkage and Selection Operator (LASSO)pt_BR
dc.subjectLeast Angle Regression (LARS)pt_BR
dc.subjectElastic netpt_BR
dc.subject.cnpqRegressão e Correlaçãopt_BR
dc.titleGeometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômicapt_BR
dc.typetesept_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TESE_Geometria dos métodos de regressão LARS, LASSO e Elastic Net com uma aplicação em seleção genômica.pdf
Tamanho:
2.36 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
953 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Estatística e Experimentação Agropecuária - Doutorado (Teses)