Cut the tails : uma abordagem para modelos de regressão com caudas pesadas.

Abstract

A presença de dados que apresentam uma distribuição de caudas pesadas é mais comum do que se espera em determinadas áreas, pois um número considerável de casos no mundo real apresenta esse tipo de comportamento. O uso de técnicas de aprendizado de máquina tradicionais nesses tipos de distribuição pode não ser satisfatório o suficiente para gerar um modelo com acurácia considerável. O objetivo deste trabalho é criar uma abordagem que possa ser usada em distribuições de caudas pesadas, e que possa melhorar a acurácia dos modelos de aprendizado de máquina. Portanto, este trabalho propõe um método chamado "Cut the Tails", que, em sua metodologia, separa a distribuição da variável alvo de suas caudas pesadas e produz modelos de aprendizado de máquina separadamente para cada parte da distribuição. Ao comparar essa estratégia com as abordagens tradicionais de aprendizado de máquina, observou-se uma melhoria no erro absoluto médio percentual nos casos particulares que apresentaram curtose e assimetria elevados, sendo o melhor caso uma redução de erro de aproximadamente 48% ao usar a estratégia proposta.