تحلیل داده های با بعد بالا با استفاده از رگرسیون بردار پشتیبان تعمیم یافته، رگرسیون تابعی، رگرسیون ستیغی و لاسو

تحلیل داده های با بعد بالا با استفاده از روش های رگرسیون کلاسیک انجام پذیر نیست و ممکن است نتایج آن گمراه کننده باشد.     در این تحقیق سعی شده است با معرفی تکنیک های جدید و قدرتمندی مانند رگرسیون بردار پشتیبان، رگرسیون تابعی، رگرسیون  ستیغی و لاسو، به واکاوی این گونه داده ها پرداخته شود.  در این راستا، با تحلیل دو مجموعه داده بعد بالا (داده های مربوط به تولید ریبوفلاوین و شبیه سازی شده) با روش های معرفی شده، به ارزیابی کاراترین مدل با استفاده از سه معیار (مجذور همبستگی، میانگین توان دوم خطا و میانگین انحراف درصد خطای مطلق) با توجه به نوع داده ها پرداخته می شود.

کلیدواژه ها:

Functional regression‎ ، ‎High dimensional data‎ ، ‎Lasso regression‎ ، ‎Ridge regression‎ ، ‎Support vector regression. ، داده های با بعدبالا ، رگرسیون بردار پشتیبان ، رگرسیون تابعی ، رگرسیون ستیغی ، رگرسیون لاسو