A heuristic algorithm to combat outliers and multicollinearity in regression model analysis
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 207
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJNAO-12-1_009
تاریخ نمایه سازی: 21 فروردین 1401
چکیده مقاله:
As known, outliers and multicollinearity in the data set are among the important diffculties in regression models, which badly affect the leastsquares estimators. Under multicollinearity and outliers’ existence in the data set, the prediction performance of the least-squares regression method is decreased dramatically. Here, proposing an approximation for the condition number, we suggest a nonlinear mixed-integer programming model to simultaneously control inappropriate effects of the mentioned problems. The model can be effectively solved by popular metaheuristic algorithms. To shed light on importance of our optimization approach, we make some numerical experiments on a classic real data set as well as a simulated data set.
کلیدواژه ها:
نویسندگان
M. Roozbeh
Faculty of Mathematics, Statistics and Computer Science, P.O. Box: ۳۵۱۹۵-۳۶۳, Semnan University, Semnan, Iran.
S. Babaie-Kafaki
Faculty of Mathematics, Statistics and Computer Science, P.O. Box: ۳۵۱۹۵-۳۶۳, Semnan University, Semnan, Iran.
M. Manavi
Faculty of Mathematics, Statistics and Computer Science, Semnan University, Semnan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :