| Campo DC | Valor | Idioma |
|---|
| dc.contributor.advisor | Fiorucci, José Augusto | - |
| dc.contributor.author | Paula, Matheus Gorito de | - |
| dc.date.accessioned | 2023-04-05T18:20:43Z | - |
| dc.date.available | 2023-04-05T18:20:43Z | - |
| dc.date.issued | 2023-04-05 | - |
| dc.date.submitted | 2022-09-19 | - |
| dc.identifier.citation | PAULA, Matheus Gorito de. Aprendizagem cruzada para previsão de séries temporais univariadas. 2022. 44 f., il. Dissertação (Mestrado em Estatística) — Universidade de Brasília, Brasília, 2022. | pt_BR |
| dc.identifier.uri | http://repositorio2.unb.br/jspui/handle/10482/45777 | - |
| dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2022. | pt_BR |
| dc.description.abstract | Aprendizado de máquina se refere ao processo pelo qual os computadores desenvolvem o reconhecimento de padrões, ou a capacidade de aprender continuamente, ou fazer previsões com
base em dados, e então, fazer ajustes sem serem especificamente programados para isso. Dentro dos métodos de aprendizado de máquina, esse trabalho foca na técnica de Stacking. Competições de Previsões de Séries Temporais são competições que têm como objetivo avaliar e
comparar a acurácia de modelos de previsão de Séries Temporais. Nesse projeto utiliza-se o
banco de Séries Temporais da competição M3 para realizar previsões utilizando os modelos de
referência de Séries Temporais. Após, treina-se um modelo de Boosting com os resultados das
previsões buscando obter resultados mais eficientes nas competições. | pt_BR |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). | pt_BR |
| dc.language.iso | Português | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Aprendizagem cruzada para previsão de séries temporais univariadas | pt_BR |
| dc.type | Dissertação | pt_BR |
| dc.subject.keyword | Aprendizado de máquina | pt_BR |
| dc.subject.keyword | Séries temporais | pt_BR |
| dc.subject.keyword | Boosting | pt_BR |
| dc.subject.keyword | Stacking | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.description.abstract1 | Machine learning refers to the process by which computers develop pattern recognition, or the
ability to continually learn, or make predictions based on data, and then make adjustments
without being specifically programmed to do so. Within machine learning methods, this work
focuses on the Stacking technique. Time Series Forecast Competitions are competitions that aim
to evaluate and compare the accuracy of Time Series forecast models. In this project we use
the Time Series database from the M3 competition to make predictions using the Time Series
reference models. Afterwards, we train a Boosting model with the results of the predictions
seeking to obtain more efficient results in competitions. | pt_BR |
| dc.description.unidade | Instituto de Ciências Exatas (IE) | pt_BR |
| dc.description.unidade | Departamento de Estatística (IE EST) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Estatística | pt_BR |
| Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado
|
