Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1035294
Research center of Embrapa/Collection: Embrapa Meio Ambiente - Artigo em anais de congresso (ALICE)
Date Issued: 2015
Type of Material: Artigo em anais de congresso (ALICE)
Authors: LUIZ, A. J. B.
MAIA, A. de H. N.
SANCHES, I. D. A.
GÜRTLER, S.
SOUZA FILHO, C. R. de
Additional Information: ALFREDO JOSE BARRETO LUIZ, CNPMA; ALINE DE HOLANDA NUNES MAIA, CNPMA; IEDA DEL'ARCO SANCHES, INPE; SALETE GURTLER, INPE; CARLOS ROBERTO DE SOUZA FILHO, IG-UNICAMP.
Title: Busca de relações quando o número de variáveis é muito maior que o de observações: o caso de dados hiperespectrais.
Publisher: In: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 60.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 16., 2015, Presidente Prudente. A estatística e os novos desafios: tratamento e modelagem da informação: anais... Presidente Prudente: Sociedade Internacional de Biometria, 2015. 10 p.
Language: pt_BR
Keywords: Regressão logística politômica
Seleção de variáveis explicativas
Polytomous logistic regression
Stepwise
Selection of explanatory variables
Description: Resumo: Experimentos em que são coletadas muitas medidas em cada unidade experimental têm matrizes de dados nas quais o número de colunas (variáveis) é muito maior que o de linhas (observações). Dados hiperespectrais são habitualmente coletados por instrumentos que medem instantaneamente as reflectâncias de um alvo em milhares de comprimentos de onda e podemos considerar que cada uma delas constitui uma variável prognóstica num modelo de regressão. A facilidade na obtenção de cada vez maior número de variáveis simultâneas não se repete na obtenção das observações dessas variáveis. A análise de componentes principais (ACP) é indicada para tratar tal quantidade de variáveis e reduzir a dimensionalidade dos dados, mas sua aplicação ainda exige a obtenção de um grande número de medidas. Já a análise discriminante é usada na tentativa de classificar diferentes alvos, mas precisa ser precedida da seleção de um pequeno subconjunto de bandas, geralmente escolhidas com base em informações preexistentes e não nos próprios dados. A regressão linear permite empregar o método stepwise para selecionar um subconjunto de bandas, mas só é indicada para variáveis dependentes quantitativas. O presente trabalho propõe o uso da regressão logística politômica stepwise para selecionar um pequeno conjunto de bandas espectrais que discrimine alvos em k classes, quando a variável resposta de interesse é nominal. Apresentamos um exemplo no qual os dados espectrais são utilizados para construção de modelos logísticos com um pequeno número de preditores (bandas) para classificação de folhas verdes em classes correspondentes a três culturas agrícolas: soja perene, milho e braquiária.
Thesagro: Regressão linear
Estatística agrícola
Sensoriamento remoto
NAL Thesaurus: Linear models
Remote sensing
Data Created: 2016-01-27
Appears in Collections:Artigo em anais de congresso (CNPMA)

Files in This Item:
File Description SizeFormat 
2015AA009.pdf232,77 kBAdobe PDFThumbnail
View/Open

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace