Seminario de Probabilidad y Estadística
Título: Boosting Diversity in Regression Ensembles
Expositor: Mathias Bourel (Udelar)
Resumen: Los métodos de agregación mejoran muchas veces las predicciones de los estimadores intermediarios tanto en clasificación como en regresión. Los principales desarrollos se centran en las reglas de combinación de un conjunto de expertos y examinan cómo ponderar y combinar los mismos. El interés práctico de utilizar métodos de este tipo se ha puesto de manifiesto en varios trabajos. Por ejemplo, la predicción secuencial proporciona un marco natural para adaptar este tipo de métodos a los datos de las series temporales. Sin embargo, existen muy pocos trabajos sobre cómo elegir/generar los expertos que se incluirán en un determinado procedimiento de agregación. En el contexto de la regresión, utilizamos el concepto de diversidad para proponer una estrategia del tipo boosting mediante un descenso de gradiente que permite enriquecer el conjunto de predictores individuales. Establecemos un resultado de convergencia y mediante simulaciones, aplicaciones a conjuntos de datos conocidos de la literatura y a un conjunto de datos reales en consumo de electricidad mostramos las mejoras obtenidas observando no solo el desempeño del predictor final si no de toda la secuencia generada. Es un trabajo en desarrollo y en conjunto con J. Cugliari (Lyon, France), Y. Goude (Paris, France) y J-M Poggi (Paris, France).
Viernes 1/7 a las 10:30
IMERL
Contacto: Alejandro Cholaquidis - acholaquidis@hotmail.com
Datos para la reunión virtual:
https://salavirtual-udelar.zoom.us/j/81121640094?pwd=SWVsZ1V2TTI5aDZob0NTdXVRVzhVZz09
Página del seminario: https://pye.cmat.edu.uy/seminarios/cronograma-seminario
Página del grupo: https://pye.cmat.edu.uy/home
Canal de youtube: https://www.youtube.com/channel/UCOPZEOrLSAYPz2qCAL-KqMg/about