|
Title
|
رگرسيون لوژستيك ستيغي و كاربرد آن در داده هاي تنك
|
|
Type
|
Thesis
|
|
Keywords
|
رگرسيون لوژستيك ستيغي، داده هاي تنك، لاسو، شبكه الاستيك، انتخاب متغير، داده هاي با ابعاد بالا.
|
|
Abstract
|
در عصر داده هاي بزرگ، مسائل طبقه بندي با داده هاي تنك و ابعاد بالا به چالشي اساسي در تحليل آماري تبديل شده اند. روش هاي كلاسيك مانند رگرسيون لوژستيك استاندارد در چنين شرايطي به دليل ناپايداري عددي، واريانس بالا و بيش برازش، كارايي لازم را ندارند. اين پايان نامه به بررسي و مقايسه سه روش مهم رگرسيون لوژستيك تاوانيده شامل ستيغي، لاسو و شبكه الاستيك در مواجهه با داده هاي تنك مي پردازد و توانايي آن ها را در كنترل پيچيدگي مدل، انتخاب متغيرهاي مؤثر و بهبود قدرت پيش گويي ارزيابي مي كند.
عملكرد اين روش ها ابتدا از طريق شبيه سازي در سناريوهاي مختلف با نسبت هاي متفاوت نمونه به ويژگي بررسي شده و سپس بر روي دو ديتاست واقعي شامل مجموعه اي از ايميل هاي اسپم با تعداد ويژگي هاي محدود و يك ديتاست ژنوميكس با ابعاد بسيار بالا و توزيع نامتوازن پياده سازي گرديده است. نتايج نشان مي دهد كه در داده هاي شبيه سازي با تعداد زيادي ويژگي هاي نويز، روش هاي تنك ساز مانند لاسو و شبكه الاستيك با حذف مؤثر متغيرهاي غيرمرتبط، عملكرد بهتري دارند؛ در حالي كه در داده هاي واقعي با ساختار پيچيده تر، مدل ستيغي به دليل بهره مندي از تمام ويژگي ها و كاهش واريانس، پيش گويي دقيق تري ارائه مي دهد. به طور كلي، انتخاب روش تاواني مناسب، به شدت به ماهيت داده و هدف تحليل (دقت پيش گويي يا تفسيرپذيري از طريق انتخاب متغير) وابسته است.
|
|
Researchers
|
reza zarei (Student) , Hamid Karamikabir (First primary advisor) , Ahmad Shirzadi (Advisor)
|