[Avaliando o desempenho e determinando o tamanho ideal da amostra para árvore de regressão e modelagem linear automática]

Genç, SMendes, M

Este estudo foi realizado com dois objetivos: comparar os desempenhos da Árvore de Regressão e da Modelagem Linear Automática e determinar o tamanho ideal da amostra para estes métodos sob diferentes condições experimentais. Um abrangente Estudo de Simulação de Monte Carlo foi projetado para estes propósitos. Os resultados do estudo de simulação mostraram que a porcentagem de estimativas de variação explicada tanto da Árvore de Regressão como da Modelagem Linear Automática foi influenciada pelo tamanho da amostra, número de variáveis e estrutura da matriz de variância-covariância. A Modelagem Linear Automática teve um desempenho superior ao da Árvore de Regressão em todas as condições experimentais. Concluiu-se que a Árvore de Regressão exigia amostras muito maiores para fazer estimativas estáveis quando comparada à Modelagem Linear Automática.(AU)

1. Data mining
2. Parcialidade
3. Arvore de Regressão
4. Simulação
5. Biased
6. Regression Tree
7. Modelagem Linear Automática
8. Automatic Linear Modeling
9. Simulation
10. Pesquisa de dados