|
Title
|
منظم سازي و انتخاب ويژگي با استفاده از رگرسيون شبكه الاستيك و كاربرد آن در داده هاي با بعد بالا
|
|
Type
|
Thesis
|
|
Keywords
|
رگرسيون شبكه الاستيك، رگرسيون لاسو، رگرسيون ستيغي، تاوان، منظم سازي، انتخاب متغير
|
|
Abstract
|
در بسياري از كاربردهاي واقعي از جمله داده كاوي، زيست اطلاعات، اقتصادسنجي و يادگيري ماشين، تحليل داده هاي با بعد بالا و همبستگي شديد ميان متغيرهاي توضيحي با چالش هايي نظير چندهمخطي، ناپايداري ضرايب و كاهش قدرت تعميم پذيري مدل هاي رگرسيوني كلاسيك همراه است. در چنين شرايطي، روش هاي منظم سازي و انتخاب ويژگي نقش مهمي در كنترل پيچيدگي مدل، كاهش واريانس برآوردها و بهبود دقت پيش گويي و تفسيرپذيري ايفا مي كنند. از اين رو، مدل هاي خطي منظم سازي شده مانند رگرسيون ستيغي، لاسو و شبكه الاستيك به عنوان ابزارهاي مؤثر براي مواجهه با داده هاي با بعد بالا مورد توجه قرار گرفته اند. در اين پايان نامه، مدل هاي خطي كلاسيك و منظم سازي شده از جنبه هاي نظري، آماري و محاسباتي بررسي شده و عملكرد آن ها در شرايط وجود همبستگي و ابعاد بالا به صورت مقايسه اي تحليل مي شود. سپس با هدف بهبود همزمان انتخاب ويژگي، پايداري ضرايب و دقت پيش گويي، يك مدل توسعه يافته مبتني بر چارچوب رگرسيون شبكه الاستيك پيشنهاد مي گردد. كارايي مدل پيشنهادي با استفاده از چندين مجموعه داده شبيه سازي شده و واقعي با بعد بالا ارزيابي شده و نتايج نشان مي دهد كه اين مدل در اغلب موارد عملكردي رقابتي و در بسياري سناريوها برتري محسوسي نسبت به روش هاي كلاسيك و شبكه الاستيك استاندارد دارد.
|
|
Researchers
|
hamidreza dabirzadeh (Student) , Hamid Karamikabir (First primary advisor) , Ahmad Keshavarz (Advisor)
|