بررسی میزان قابلیت رگرسیون فازی هیبرید بر مبنای مقایسه با سایر روش های رگرسیونی

در این مقاله تفاوت میان رگرسیون کلاسیک و رگرسیون فازی مورد بحث و بررسی قرار گرفته است. در رگرسیون فازی داده های غیرفازی و فازی را می توان برای مدل بندی استفاده کرد. در حالی که در رگرسیون کلاسیک  فقط از داده های غیر فازی استفاده می شود. هدف بررسی روش رگرسیون امکانی، روش رگرسیون کمترین مربعات مبتنی بر رگرسیون امکانی و روش هیبرید رگرسیون خطی کمترین مربعات بر اساس حساب فازی وزنی برای ورودی غیرفازی و خروجی فازی با استفاده از اعداد فازی مثلثی متقارن می باشد و در ادامه اندازه قابلیت اطمینان، فاصله اطمینان و معیار نیکویی برازش برای انتخاب مدل بهینه ارایه شده است. در آخر با ارایه مثال هایی رفتار روش های مطرح شده را مورد بررسی قرار داده و بهینگی مدل هیبرید رگرسیون کمترین مربعات خطی فازی نشان داده می شود.