Semi parametric tress shrinkage regression
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_085
- زبان مقاله: انگلیسی
- تعداد مشاهده: 153
نویسندگان
Mohammadreza Khalvati Fahliayni
Department of Computer Engineering, Faculty of Intelligent Systems Engineering and Data Science, Persian Gulf University,Bushehr, Iran
Department of Statistics, Faculty of Intelligent Systems Engineering and Data Science, Persian Gulf University, Bushehr, Iran
چکیده
Semi-parametric regression models combine elements of parametric and non-parametric regression approaches. Lasso regression, a penalized parametric regression technique, introduces a penalty term to the regression equation to enhance model performance. Regression tree models, a non-parametric approach, partition the data into subsets and build separate models for each subset. By combining these techniques, semi-parametric regression models can capture both linear and non-linear relationships in the data, providing a powerful tool for addressing complex regression problems.کلیدواژه ها
Semi-parametric regression, Lasso regression, Regression tree, Penalized regression, Non-parametric regressionمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.