عملکرد رگرسیون لجستیک جریمه شده با لاسو در داده های بیان ژنی

یکی از محبوب ترین مدل های خطی تعمیم یافته، برای تحلیل رابطه ی یک یا چند متغیر توضیحی بر متغیر پاسخ دو یا چندتایی رگرسیون لجستیک است. خصیصه داده های با بعد بالا وجود تعداد زیادی متغیر در حجم کم می باشد و از دیدگاه آماری وجود تعداد زیادی متغیر، منجر به بیش برازشی شده و عملکرد طبقه بندی را کاهش می دهد. رگرسیون لجستیک جریمه شده با عملگر انتخاب و انقباض کمترین قدرمطلق (LASSO)، یکی از روش های کارآمد، در مجموعه داده های با بعد بالا است که انتخاب متغیر و برآورد احتمالات را به طور همزمان انجام می دهد.

کلیدواژه ها:

رگرسیون لجستیک جریمه شده ، لاسو ، داده های با بعد بالا