Aumentando o desempenho de modelos preditivos com técnicas de Bootstrapping, Bagging, Boosting e Random Forests
Neste artigo exploramos as técnicas de Bootstrapping, Bagging, Boosting e Random Forests com o objetivo de aumentar o desempenho em modelos preditivos. Percorremos o modo de funcionamento de cada técnica e sua aplicação usando linguagem de programação com dados econômicos do Brasil.
Análise das Atas do COPOM com text mining
Mineração de textos é uma técnica interessante para obtenção de insights quantitativos através de dados textuais. Com a finalidade de demonstrar seu uso, neste artigo faremos uma breve e introdutória análise das atas do Comitê de Política Monetária - COPOM usando mineração de textos com o auxílio do pacote tidytext na linguagem R.
Validação Cruzada em Modelos Preditivos: técnicas para dados ordenados e não ordenados
Como saber se o desempenho de um modelo preditivo se generaliza para dados desconhecidos? Dividir a tabela de dados em duas amostras, treinar o modelo e calcular o erro é um processo comum e bastante simples, mas pouco informativo. As técnicas de validação cruzada podem ajudar neste aspecto e neste artigo mostramos como funcionam e como implementar usando linguagem de programação.
MAE, RMSE, ACC, F1, ROC, R2? Avaliação de desempenho de modelos preditivos
Existem tantas siglas para métricas de desempenho de modelos preditivos que é fácil se perder na sopa de letrinhas. Neste artigo, fornecemos uma visão geral das principais métricas para avaliar e comparar modelos de regressão e classificação, usando exemplos com dados em Python.
Previsão de inadimplência com Redes Neurais
Neste artigo introduzimos a base de muitas aplicações de inteligência artificial: o modelo de Redes Neurais. Mostramos a intuição, sua formulação matemática e uma aplicação com dados de empréstimo bancário usando R e Python.
