Effect of the subsampling ratio in the application of subagging for multivariate calibration with the successive projections algorithm

Abstract

Este artigo estuda o efeito da razão de subamostragem na abordagem subagging para regressão linear múltipla com seleção de variáveis pelo algoritmo das projeções sucessivas. Para isso, apresentam-se investigações envolvendo dados simulados e também determinação de umidade e proteína em trigo e temperaturas de destilação (T10 e T90), massa específica e enxofre em diesel por espectrometria no infravermelho próximo. Em termos de capacidade de predição e sensibilidade a ruído, os melhores resultados foram obtidos para razões de subamostragem em torno de 40%. This paper concerns the effect of the subsampling ratio on the subagging approach for multiple linear regression with variable selection by the successive projections algorithm. Investigations involving simulated data, as well as near-infrared spectrometric determination of moisture and protein in wheat and distillation temperatures (T10 and T90), specific mass and sulphur in diesel, are presented. In terms of prediction ability and sensitivity to noise, the best results were obtained for subsampling ratios around 40%.

Algoritmo Evolutivo Multi-objetivo de Tabelas para Seleção de Variáveis em Calibração Multivariada

“…em que K é a quantidade de variáveis utilizadas no modelo. Maiores informações sobre o uso da norma 2 e sua relação com a sensibilidade à ruído podem ser encontradas em [9].…”

“…Desse modo convém ter uma medida da sensibilidade das predições do modelo com respeito a tal ruído instrumental [9]. Neste apêndice, mostra-se que tal medida de sensibilidade pode ser dada pela norma-2 do vetor de coeficientes da regressão.…”

“…Em [9] foi proposto a análise multi-objetivo para seleção de variáveis envolvendo a capacidade de predição e a sensibilidade à ruído. Verificou-se que a associação de tal objetivo resultou em modelos mais robustos para determinadas configurações das amostras para construção do modelo.…”

Modern Metaheuristic with Multi-Objective Formulation for the Variable Selection Problem

“…In such analysis, it is assessed the prediction error of the property of interest as well as the number of selected variables (Galvao et al, 2011;Sofacles et al, 2012). Nevertheless, both objectives were not used in the proposal of Goodarzi and dos Santos Coelho (2014).…”

A GPU-Based Implementation of the Firefly Algorithm for Variable Selection in Multivariate Calibration Problems

“…Furthermore, a high-performance computing framework can significantly contribute to efficiently construct an accurate model [6] . In this context, this paper presents an implementation of a modified Firefly Algorithm (FA) for variable selection in multivariate calibration problems [4] , [7] , [8] . The FA is a metaheuristic inspired by the flashing behaviour of fireflies [9] .…”