Algoritmo de particionamento recursivo para modelagem conjunta de média e dispersão

• Ano de defesa: 2024
• Autor(a) principal: Pereira, Pedro Henrique Mansueto
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Animal Welfare; Aprendizado de Máquina; Árvore de Decisão; Bem-Estar Animal; Decision Tree; Double Tree; Generalized Linear Models; Heterocedasticidade; Heteroscedasticity; Machine Learning; Modelos Lineares Generalizados
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-10012025-104022/

O presente trabalho apresenta uma abordagem para modelar a média e a variância na mortalidade de aves pré-abate, utilizando algoritmos de Aprendi- zado Estatístico de Máquina, especificamente as Árvores de Classificação Regressão (CART©). Essa abordagem combina conceitos da teoria dos Modelos Lineares Generalizados (MLG) com a flexibilidade preditiva dos algoritmos de Aprendizado de Máquina, em resposta à necessidade de se modelar dispersão e média conjunta- mente, de forma mais livre que as estruturas paramétricas dos MLGs. O algoritmo de ajuste foi construído e comparado utilizando dados reais de mortalidade pré- abate e dados simulados. Na comparação, além das Árvores de Regressão, foram empregados os Modelos Aditivos Generalizados para Localização, Escala e Forma (GAMLSS). Os resultados demonstraram que a abordagem proposta apresentou bom desempenho preditivo em cenários complexos, enquanto modelos mais tradicionais mostraram-se mais eficazes em cenários de predição simples. A análise também considerou o impacto do número de observações nos resultados dos modelos. Em resumo, este estudo oferece uma contribuição para a compreensão e modelagem da mortalidade pré-abate de aves, ressaltando a importância da integração entre métodos estatísticos clássicos e técnicas de Aprendizado Estatístico de Máquina.