رگرسیون لاسو ی اعتبارسنجی شده برای انتخاب ویژگی ها

تحلیل رگرسیون از روشهای مهم در مدلسازی آماری است که یکی از اهداف آن تعیین میزان تاثیر هر متغیر پیشگو بر روی متغیر پاسخ و انتخابمجموعه ای مناسب از متغیرهای پیشگو برای مدل است. در صورتی که داده ها دارای ابعاد بالا و تعداد متغیرهای پیشگو زیاد باشد برای به دست آوردن مدل ساده که تفسیرپذیرتر باشد باید از متغیرهای کمتری استفاده کنیم در نتیجه ضرایبی را که متغیر مربوط به آن تاثیر کمتری بر روی متغیر پاسخ دارند از مدل حذفمی شوند. روشهای متعددی برای این کار وجود دارند که یکی از مهمترین روشها رگرسیون لاسو است. در رگرسیون لاسو انتخاب مناسب پارامتر جریمه بسیارمهم است و انتخاب نامناسب آن ممکن است به برآوردگرهایی منجر شود که سازگار نبوده و یا د ارای نرخ همگرایی کند باشند. یکی از راه های مناسب انتخابپارامتر جریمه، استفاده از روش اعتبارسنجی متقابل است. در این مقاله از رگرسیون لاسوی اعتبارسنجیشده برای انتخاب ویژگی ها و کاهش بعد داده ها جهتپیش بینی روند قیمت سهام شرکتهای مرتبط با شاخص اساندپی ۵۰۰ استفاده میشود.

کلیدواژه ها:

اعتبار سنجی متقابل ، رگرسیون لاسو ، پارامتر جریمه ، انتخاب ویژگی ها