Browsing by Author "Cardoso, Margarida G. M. S."
Now showing 1 - 5 of 5
Results Per Page
Sort Options
- Algoritmo cart : previsão do desempenho na matemática do secundárioPublication . Cabete, Nélia Pereira; Cardoso, Margarida G. M. S.O algoritmo CART-Classification and Regression Trees é aplicado na previsão das classificações de matemática associadas a uma amostra de alunos do ensino secundário. São modeladas, separadamente, as observações respeitantes a alunos do ensino secundário público e privado, considerando factores sócio-demográficos, factores específicos e factores pessoais. Obtém-se uma boa capacidade preditiva para os modelos propostos: 83,5% e 90,5%, estimativas da proporção de variância explicada, obtidas mediante validação cruzada, para os modelos do ensino público e privado, respectivamente. É ainda avaliada a importância relativa das variáveis preditivas nos modelos sublinhando-se, como principal, a média obtida pelos alunos às restantes disciplinas do secundário.
- Análise de agrupamento incremental : segmentação de pontos de retalhoPublication . Jesus, Neuza Brito de; Cardoso, Margarida G. M. S.O presente artigo apresenta um estudo sobre a utilização do algoritmo incremental Two-Step para identificar grupos homogéneos de pontos de venda de um universo de pontos de retalho para produtos alimentares congelados. Com este trabalho pretende-se efectuar a segmentação desse universo, de forma a suportar a tomada de decisão por parte dos gestores de marketing e vendas. Os grupos são identificados utilizando informação proveniente de um data warehouse que agrega dados sobre as características de cada ponto de retalho e as vendas que origina. Os resultados obtidos permitiram a identificação de 4 grupos, cujo perfil foi traçado e avaliado mediante o recurso a alguns testes de hipóteses.
- Estabilidade de uma estrutura de agrupamento : segmentos de clientes de uma instituição culturalPublication . Cardoso, Margarida G. M. S.Neste trabalho implementa-se, como meio de avaliação de estabilidade de um agrupamento, uma nova proposta de validação cruzada de agrupamentos que prescinde do uso de classificadores, recorrendo à utilização de amostras ponderadas de treino e teste (Cardoso, Faceli et al. 2009). Ilustra-se a metodologia proposta sobre um agrupamento de clientes do CCB - Centro Cultural de Belém. Este agrupamento é efetuado mediante estimação de um modelo de mistura finita. Na constituição dos grupos ou segmentos atende-se à natureza ordinal das variáveis base (medições em escala de tipo Likert), em alternativa à modelação habitual que consideraria as mesmas variáveis como métricas. Em complemento, são apontadas metodologias consideradas mais apropriadas para a interpretação e discriminação dos grupos obtidos.
- Evaluation of clusters of credit card holdersPublication . Martins, Maria Cristina M. S. G.; Cardoso, Margarida G. M. S.Este trabalho centra-se na avaliação de um agrupamento de clientes de cartões de crédito de uma instituição financeira portuguesa, mediante um processo de validação cruzada, transpondo um procedimento comum no âmbito da aprendizagem supervisionada para a análise de agrupamento (uma metodologia de aprendizagem não supervisionada). Este procedimento de validação cruzada que é proposto é, ainda, trabalhado de modo a adequar-se às condições da amostra de dados usada – conjunto de dados de grande dimensão e utilização de variáveis mistas (numéricas e categoriais). Esta metodologia permite não só a avaliação da solução de agrupamento, mas também ajuda à caracterização dos grupos obtidos. Para além disso, fornece regras de classificação para novos clientes de cartões de crédito. Face aos resultados obtidos, a estabilidade interna é verificada para uma solução constituída por cinco grupos de clientes. Finalmente, são obtidos os perfis dos grupos constituídos sendo, ainda, apontadas possíveis estratégias, no contexto de negócio, a estudar para cada um deles.
- Stock market series analysis using self-organizing mapsPublication . Matos, Diogo; Marques, Nuno C.; Cardoso, Margarida G. M. S.In this work a new clustering technique is implemented and tested. The proposed approach is based on the application of a SOM (self-organizing map) neural network and provides means to cluster U-MAT aggregated data. It relies on a flooding algorithm operating on the U-MAT and resorts to the Calinski and Harabask index to assess the depth of flooding, providing an adequate number of clusters. The method is tuned for the analysis of stock market series. Results obtained are promising although limited in scope.