Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2023-175136
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!A regressão logística é uma ferramenta importante em aprendizado de máquina. Ela pode ser vista como uma extensão da regressão linear para problemas de classificação. De fato, a formulação da regressão logística também usa um agregador linear, porém, dentro da função sigmoide. Como o agregador não permite modelar interações entre atributos, o que muitas vezes é necessário em problemas práticos, trabalhos na literatura vêm propondo o uso da integral de Choquet dentro da sigmoide. No entanto, esses trabalhos definem a integral de Choquet com base em uma capacidade, o que dificulta a etapa de treinamento devido à inclusão de diversas restrições ao modelo. Neste artigo, propomos uma nova formulação da integral de Choquet, baseada em um jogo. Neste contexto, eliminamos as restrições do modelo e etapa de treinamento se torna similar ao da regressão logística. Avaliamos nossa proposta a partir de experimentos preliminares em vários dados reais usados na literatura.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo