[ABE-L] Seminários em Análise de Dados em Alta Dimensão

[Ronaldo Dias]

Prezados(as)
Dando continuidade aos nossos, esta semana teremos

ala 221, IMECC, as 13hs, 20/03/19.

Título: Modelos de regularização com aplicação em Seleção Genômica
(Pedro Henrique Toledo de Oliveira Sousa)

Resumo
Os métodos de regularização foram desenvolvidos para contornar
problemas de overfitting
e são amplamente utilizados em modelagens preditivas. Neste trabalho
realiza-se uma breve introdução sobre a álgebra de matrizes relacionada a
taismétodos, com ênfase nas inversas generalizadas, no posto e nas
possíveis dimensões dessas matrizes, bem como apresentar uma solução geral,
para sistemas lineares consistentes e inconsistentes. Em seguida, as
decomposições de matrizes SVD(Singular Value Decomposition) e GSVD
(Generalized Singular Value Decomposition) são utilizadas para a
implementação dos modelos de regularização Tikhonov e TSVD e,
posteriormente, analisa-se outros dois métodos de regularização (LASSO
e LASSO Bayesiano), que estimam os coeficientes simultaneamente realizam a
seleção de variáveis. Como aplicação, realiza-se uma avaliação da qualidade
preditiva
dos modelos de regularização no contexto de Seleção Genômica em dados
genéticos superdimensionados e de alta complexidade. Os referidos dados
caracterizam-se por conter informações do DNA (genótipos) de plantas de
eucalipto e a finalidade da análise é desenvolver uma abordagem alternativa
aos programas de melhoramento genético tradicionais. Em resumo, os
resultados mostram que os modelos para fenótipos com maior herdabilidade
apresentam medidas de previsão superiores. Porfim, os métodos que conduzem
a seleção de variáveis se mostraram superioridade nas tarefas preditivas em
todos os casos avaliados.

Aos que puderem participar, sejam bem vindos!


-- 
Ronaldo Dias, Ph.D.
Professor
Dept. of Statistics-IMECC, UNICAMP
www.ime.unicamp.br/~dias
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <https://lists.ime.usp.br/archives/abe/attachments/20190318/e4dc3473/attachment.html>