This paper presents a method of data resampling inspired by the operation of a variable selection algorithm using Bayesian techniques. It uses covariance calculations to estimate the minimum mean squared error of the training data and to apply a function to calculate the posterior probability to obtain a more significant number of samples to solve a problem. The model was submitted to standard classification tests, and the results were consistent when compared to other traditional literature

more »

... els. Resumo: Este artigo apresenta um método de re-amostragem de dados inspirado no funcionamento de um algoritmo de seleção de variáveis através de técnicas Bayesianas. Ele utiliza-se de cálculos da covariância na estimação do erro quadrático médio mínimo dos dados de treinamento e a aplicação de uma função para cálculo da probabilidade posteriori para a obtenção de um maior número de amostras na resolução de um problema. O modelo foi submetido a testes de classificação de padrões e os resultados foram consistentes, quando comparados a outros modelos tradicionais da literatura.