مدل بندی داده های تابعی با رویکرد رگرسیون مولفه اصلی بر اساس معیار اعتبار سنجی متقابل تعمیم یافته
محل انتشار: دوفصلنامه اندیشه آماری، دوره: 27، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199
فایل این مقاله در 13 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_ISS-27-2_005
تاریخ نمایه سازی: 30 اردیبهشت 1402
چکیده مقاله:
تحلیل داده های تابعی برای توسعه رویکردهای آماری در داده هایی مورد استفاده قرار می گیرد که دارای ماهیت تابعی و پیوسته هستند و چون این توابع به فضاهای با بعد بی نهایت تعلق دارند، استفاده از روش های متداول در آمار کلاسیک برای تحلیل آن ها، با چالش روبرو است.
مشهورترین تکنیک تحلیل داده های آماری، رویکرد مولفه های اصلی تابعی می باشد که ابزاری مهم برای کاهش بعد است،
در این مقاله با استفاده از روش
رگرسیون مولفه اصلی تابعی براساس جریمه مشتق دوم، ریج و لاسو
به تحلیل داده های تابعی آب و هوای کانادا و داده های تابعی طیف سنج پرداخته خواهد شد. بدین منظور برای تعیین مقدار بهینه پارامتر جریمه در روش های مورد استفاده از اعتبار سنجی متقابل تعمیم یافته، که معیاری معتبر و کارآمد است، استفاده می گردد.
کلیدواژه ها:
Functional Data Analysis ، Functional Regression ، Generalized Cross Validation ، Principal Component Regression. ، اعتبار سنجی متﻘابل تعمیم یافته ، رگرسیون تابعی ، رگرسیون مولفه اصلی ، تحلیل داده های تابعی.
نویسندگان
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 :