مدل بندی داده های تابعی با رویکرد رگرسیون مولفه اصلی بر اساس معیار اعتبار سنجی متقابل تعمیم یافته

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.