👈فول فایل فور یو ff4u.ir 👉

انتخاب متغیر در رگرسیون چندکیword

ارتباط با ما

دانلود


انتخاب متغیر در رگرسیون چندکیword
کلید واژه : انتخاب متغیر، خواص پیشگویی، رگرسیون چندکی، adaptive-LASSO، SCAD
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه
1-1- تاریخچه....... 3
فصل دوم: رگرسیون چندکی
2-1- چندک­ها و چندک­های شرطی .................. 7
2-2- از رگرسیون میانگین تا رگرسیون چندکی .... 8
2-3- از برآورد کمترین مربعات تا check function ... 12
2-4- از توزیع­های شرطی چوله تا رگرسیون چندکی . 13
2-5- روش برآوردیابی ......................... 15
فصل سوم: رگرسیون چندکی خطی تاوانیده
3-1- رگرسیون چندکی خطی تاوانیده ............. 18
3-2- رگرسیون چندکی خطی تاوانیده با تاوانLASSO20
3-3- رگرسیون چندکی خطی تاوانیده با تاوان LASSO انطباقی 20
3-4- رگرسیون چندکی خطی تاوانیده با تاوان SCAD 21
فصل چهارم: خواص مجانبی
4-1- خواص مجانبی ............................ 24
4-2- خواص مجانبی تاوان SCAD ................. 25
4-3- خواص مجانبی تاوان LASSO انطباقی ........ 26
4-4- خطاهای تصادفی مستقل و ناهم­توزیع ........ 27
فصل پنجم: مثال کاربردی
مثال ....................................... 30
فهرست منابع ومآخذ ............................ 35
پیوست
پیوست 1 ..................................... 40
پیوست 2 ..................................... 49
پیوست 3 ..................................... 54
پیوست 4 ..................................... 55
فهرست جدول ها
عنوان صفحه
جدول-1: نتایج شبیه­سازی برای سه روش مورد نظر با 1=λ و 1=و 10000=n.............................................. 31
جدول-2: نتایج شبیه­سازی برای سه روش مورد نظر با 1=λ و 3=و 10000=n.............................................. 32
جدول-3: نتایج شبیه­سازی برای سه روش موردنظر با 8=λو1=و 10000=n.............................................. 32
جدول-4: نتایج شبیه­سازی برای سه روش موردنظر با 8=λو3=و 10000=n.............................................. 33
جدول-5: نتایج شبیه­سازی برای سه روش موردنظر با 20=λو1=و 10000=n.............................................. 33
جدول-6: نتایج شبیه­سازی برای سه روش موردنظر با 20=λو3=و 10000=n.............................................. 34
فهرست نمودارها
عنوان صفحه
نمودار1: 459 داده مربوط به حقوق استادان آمار آمریکا به عنوان تابعی از
سال­های استادی، به همراه نمودار رگرسیونی درجه دوم برازش داده شده.............................................. 10
نمودار 2: 459 داده مربوط به حقوق استادان آمار آمریکا به عنوان تابعی از
سال­های استادی، به همراه سه نمودار رگرسیونی چندکی11
نمودار 3: وزن در برابر سن 4011 دختر آمریکایی... 13
نمودار4: وزن در برابر سن 4011 دختر آمریکایی به همراه هفت نمودار
رگرسیونی چندکی................................ 14
نمودار 5: نمونه­ای از نمودار تابع SCAD برای7/3= و 2= 22
نمودار 6: نمودار تابع LASSO................... 22
فصل اول
مقدمه
رگرسیون (regression) در قلب آمار جای دارد.رگرسیون کمترین مربعات عادی (ordinary least square regression) (OLSR)میانگین متغیر پاسخ (response) را به عنوان تابعی از متغیرهای پیش­بینی­کننده (predictors)، برآورد می­کند. رگرسیون کمترین انحراف قدرمطلق (least absolute deviation regression) (LADR)، تابع میانه­ی شرطی (به شرط متغیرهای پیش­بینی­کننده) را به عنوان تابعی از متغیرهای پیش­بینی­کننده، برآورد می­کند. رگرسیون کمترین انحراف قدرمطلق، نسبت به مشاهدات پرت، پایاتر از رگرسیون کمترین مربعات است. Koenker و Bassett در سال 1978 ایده­ی مربوط به رگرسیون کمترین انحراف قدر مطلق را تعمیم دادند و رگرسیون چندکی (quantile regression) را مطرح کردند. رگرسیون چندکی، توابع چندکی شرطی (به شرط متغیرهای پیش­بینی­کننده) را به عنوان توابعی از متغیرهای پیش­بینی­کننده، برآورد می­کند. رگرسیون چندکی اطلاعات بیشتری از توزیع شرطی متغیر پاسخ ارائه می­دهد و رگرسیون کمترین انحراف قدر مطلق را به عنوان یک حالت خاص در بر می­گیرد. رگرسیون چندکی پس از معرفی توجه زیادی را به خود جلب کرده است و در زمینه­های گوناگون به کار برده شده است از جمله: اقتصاد (Koenker و Hendricks (1992)، Koenker و Hallock (2001))، آنالیز بقاء (Yang (1999)، Koenker و Geling (2001)) مطالعات ریزآرایه (microarray)(Wang و He (2007))، نمودار رشد (Wei و همکاران (2006)، Wei و He (2006)).
1-1- تاریخچه
انتخاب متغیر (variable selection) نقش اساسی در فرآیند ساختمان مدل ایفا می­کند. در عمل، به طور معمول تعداد زیادی متغیر پیش­بینی­کننده­ی کاندید وجود دارد. این متغیرها در مرحله­ی ابتدائی مدل­بندی، به حساب آورده می­شوند. همان طور که Fanو Liدر سال 2001 مورد بررسی قرار دادند این کار به سبب جلوگیری از انحراف از مدل اصلی صورت می­گیرد (اگر تعداد متغیرهای پیش­بینی­کننده­ی کمتری از آنچه در واقعیت وجود دارد، در مدل­بندی در نظر بگیریم، برآوردهای اریب حاصل می­شوند). اما نگه داشتن متغیرهای بی­ربط در مدل نهایی، نامطلوب است. چون این کار تفسیر مدل نهایی را مشکل می­نماید و ممکن است قدرت پیش­بینی آن را کاهش دهد. به این دلیل آماردانان معمولأ از روش انتخاب بهترین زیرمجموعه (best-subset selection) برای انتخاب متغیر استفاده می­کنند. با این حال به روش انتخاب بهترین زیر­مجموعه چند اشکال وارد است. شدیدترین آن­ها همان­طور که Breimanدر سال 1996 مورد بررسی قرار داد، عدم پایایی(stability) است. منظور از پایایی در این زمینه، این است که با تغییر اندک در متغیرهای پیش­بینی­کننده، در انتخاب بهترین زیرمجموعه تغییر زیادی صورت نگیرد. دیگر این­که زمانی که تعداد متغیرها زیاد است از نظر محاسباتی غیر عملی است. انتخاب گام به گام (stepwise-selection)جانشین محاسباتی برای انتخاب بهترین زیر مجموعه است. معذلک، انتخاب گام به گام بسیار متغیر است و اغلب اوقات به جواب بهینه­ی موضعی می­انجامد. به علاوه همان­طور که Fan و Liدرسال2001 و هم­چنین Shen و Ye در سال 2002 مورد بررسی قراردادند، این دستورالعمل­های انتخاب، خطای تصادفی را در مرحله­ی انتخاب متغیر در نظر نمی­گیرند.
برای انجام انتخاب متغیر، تاوان­های (penalties) گوناگونی معرفی شده­اند. تاوان که در LASSOمورد استفاده قرار می­گیرد، توسط Tibshirani در سال 1990 برای رسیدن به انتخاب متغیر معرفی شد. Fan و Li در سال 2001 یک روش متحد از طریق رگرسیون کمترین مربعات غیر مقعر، پیشنهاد کردند که به­طور همزمان عمل انتخاب متغیر و برآورد پارامترها را انجام می­دهد. این روش، جواب تنک (sparse) تولید می­کند، پایایی انتخاب متغیر را تضمین می­کند، و برآوردهای نااریب برای ضرائب بزرگ ارائه می­دهد. منظور از جواب تنک، ارائه برآورد صفر برای ضرائبی است که در واقعیت، تأثیر­گذار نیستند. این سه خاصیت پسندیده یک تاوان خوب است که توسط Fan و Li در سال 2001 مورد بررسی قرار گرفت. یک نمونه از تاوان غیر محدب، تابع انحراف قدرمطلق به طور هموار بریده شده (smoothly clipped absolute deviation) (SCAD) است که اولین بار توسط Fan در سال 1997 معرفی شد، و سپس توسط Fan و Li در سال 2001 مورد مطالعه بیشتر قرار گرفت تا خواص پیش­گویی (oracle properties) آن در زمینه درستنمایی تاوانیده (penalized likelihood) نشان داده شود. پس از آن، یک سری مقالات توسط Fan و Li در سال 2002 و 2004، Fan و Peng در سال 2004، Hunter و Li در سال 2005 نوشته شده و خواص دیگر آن مورد مطالعه قرار گرفته و الگوریتم­های جدیدی ارائه شده است.

👇 تصادفی👇

پایان نامه و تحقیق در مورد انواع هوش و هوش مصنوعی (فایل Word و با قابلیت ویرایش) تعداد صفحات 50شبیه سازی مبدل فلای بک FLYBACK CONVERTER در نرم افزار متلب‎پروژه طراحی وب سایت نمونه با PHPفایل stl پروژه10ربات پیشرفته و ادمین همه کاره اینستاگرامآموزش کامل تایپ ده انگشتی فارسی و انگلیسی در دو ساعتنرم افزار بازیابی پسورد ویندوز(شكستن پسورد ويندوز و پيداكردن پسورد برنامه هاي ديگر) ✅فایل های دیگر✅

#️⃣ برچسب های فایل انتخاب متغیر در رگرسیون چندکیword

انتخاب متغیر در رگرسیون چندکیword

دانلود انتخاب متغیر در رگرسیون چندکیword

خرید اینترنتی انتخاب متغیر در رگرسیون چندکیword

👇🏞 تصاویر 🏞