مروری بر روش های جدید گزینش خصیصه درآمیخته متناهی مدل های رگرسیونی
چکیده:
گزینش متغیر (خصیصه) توجه زیادی را در آموزش های آماری معاصر و پژوهش های علمی اخیر به خود جلب کرده است. این امر عمدتا ناشی از پیشرفت سریع در فناوری نوین است که به دانشمندان اجازه می دهد داده هایی با اندازه ها و پیچیدگی بی سابقه را گردآوری کنند. یک نوع از مسائل آماری در چنین کاربردهایی به مدل بندی یک متغیر خروجی به عنوان تابعی از زیرمجموعه ای کوچک از تعداد زیادی خصیصه مربوط می شود. در برخی کاربردها، نمونه های داده ها ممکن است حتی از زیرجامعه های چندگانه برخواسته باشند. در این موارد، گزینش خصیصه ها (متغیرها) با قابلیت های پیشگویی درست برای هر زیرجامعه، جنبه ای حیاتی دارد. بهترین روش های گزینش زیرمجموعه از نوع کلاسیک برای بسیاری از کاربردهای آماری نوین به لحاظ محاسباتی بیش از حد گران هستند. روش های جدید گزینش خصیصه طی دهه ی گذشته به طور موفقیت آمیزی برای پرداختن به تعداد زیاد متغیرها پروژه شده اند. این روش ها برای گزینش متغیرهای مهم و برآورد کردن اثرات آنها در یک مدل آماری به طور همزمان، طراحی شده اند. در این مقاله، ما مروری بر پیشرفت های اخیر در نظریه، روش ها و پیاده سازی برای مسأله گزینش متغیر درآمیخته متناهی مدل های رگرسیونی ارائه می کنیم.
زبان:
انگلیسی
در صفحه:
201
لینک کوتاه:
magiran.com/p935984
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!