• Home
  • Institucional
  • Comunicación
  • Agenda
  • [5 de marzo] Seminario del IESTA (SIESTA): Generating experts by boosting diversity

[5 de marzo] Seminario del IESTA (SIESTA): Generating experts by boosting diversity

 

Como apertura al ciclo de seminarios del IESTA, se extiende invitación a la charla "Generating experts by boosting diversity" (Generación de expertos impulsando la diversidad), a cargo de Jairo Cugliari.

El encuentro tendrá lugar el jueves 5 de marzo a las 14 horas, en la sala de reuniones del IESTA (Eduardo Acevedo 1139).

Resumen

The practical interest of using ensemble methods has been highlighted in several works. Sequential prediction provides a natural framework for adapting ensemble methods to time series data. Main developments focus on the rules of aggregation of a set of experts and examine how to weight and combine the experts. However, very few work exist regarding how to choose/generate the experts to include in a given aggregation procedure. We use the concept of diversity to propose some strategies to enrich the set of original individual predictors. We show how this method is connected to recent theoretical work on boosting. We propose a simulation study to illustrate the interest of our approach in the regression setting. An application on real datasets (electricity consumption and pollution data) shows the potentiality of this method for practical forecasting tasks.

(El interés práctico de usar métodos de agregación ha sido destacado en varios trabajos. Las predicciones secuenciales proporcionan un marco natural para adaptar los métodos de agregación a series temporales. Los principales desarrollos se centran en reglas de agregación de un conjunto de expertos y examinar como ponderar y combinar los mismos. Sin embargo, existen muy pocos trabajos sobre cómo elegir/seleccionar los expertos para incluir en un procedimiento de agregación dado. Utilizamos el concepto de diversidad para proponer alguna estrategia para enriquecer el conjunto de predicadores individuales originales. Mostramos como este método está conectado con el trabajo teórico reciente en boosting. Proponemos un estudio de simulación para ilustrar el interés de nuestra aproximación al contexto de regresión. Una aplicación a datos reales (consumo eléctrico y datos de polución) muestra el potencial del método a problemas prácticos de predicción).

Mail de contacto: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.