مقارنة طريقة Lasso مع طريقة Lasso Multi-split لتقدير انموذج الانحدار متعدد المتغيّرات في ظل بيانات عالية الأبعاد باستخدام المحاكاة
Keywords:
Multivariate Regression، LassoوMulti-split Lasso،Good fit modeAbstract
تهدف هذه الدراسة إلى مقارنة بعض طرائق التنظيم المستعملة في تقدير نموذج الانحدار متعدّد المتغيّرات في ظل بيانات عالية الأبعاد. تَم إجراء تحليل شامل للبيانات ودراسة العلاقة بين المتغيّرات المستقلّة والمتغيّر المعتمد. تَمّ تطبيق هذه الطرائق على مجموعة من البيانات الفعلية لتقييم أداؤها وفعاليتها. تَمّتْ المقارنة بين طريقة لاسو (Lasso) التي تستعمل في بيانات عالية الأبعاد، لإيجاد المقدّرات في حالة وجود مشكلة الأبعاد ومقارنتها مع طريقة ((Multi-split Lasso وتَمّ تحليل نتائج التقدير وتقييم الدقة والأداء العام لكّلّ طريقة. توصلت الدراسة إلى نتائج مهمة تشير إلى أنّ طريقة ((Multi-split Lassoهي الأفضل مقارنة بالطريقة (Lasso) وذلك باستعمال بعض المعايير وأهّمها معيار BIC الذي بنتائجه اعطى الأفضلية للطريقة Multi-split Lasso لأنموذج الانحدار في بيانات عالية الأبعاد.
Downloads
References
- Breiman, L. (1995). Better subset selection using the non-negative garotte. Technometrics, 37(4):373–384.
- Burnham, Kenneth P, & Anderson, David R. (2002). Model selection and multimodel inference: a practical information-theoretic approach: Springer Science & Business Media.
- Jenan Nasha and Mohammad Ass’ad(2015), Estimation of Multivariate Multiple Linear Regression Models and Applications, An-Najah National University, Thesis Master of Mathematics
- Bakin, S. (1999). Adaptive regression and model selection in data mining problems. PhD Thesis, School of Mathematical Sciences, The Australian National University, Canberra.
- Tibshirani, Robert. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society. Series B (Methodological), 267-288.
- Fan, J. and Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. Journal of the American Statistical Association, 96(456):1348–1360.
- Zhao, P. and Yu, B. (2006). On model selection consistency of lasso. The Journal of Machine Learning Research, 7:2541–2563.
- Zou, Hui. (2006). The adaptive lasso and its oracle properties. Journal of the American statistical association, 101(476), 1418-1429.
- Brown, J. (1993). Measurement, Regression and Calibration. Oxford University Press: Oxford, UK.
- Jatherine, Stuart (2011) " Robust Regression", Springer
- Zhang, C. H. and Zhang, S. (2014) Confidence intervals for low dimensional parameters in high-dimensional linear models. Journal of the Royal Statistical Society, Series B, 76.
- Lockhart, R., Taylor, J., Tibshirani, R. J. and Tibshirani, R. (2014) A significance test for the lasso. Annals of Statistics,42(2).
- Wasserman, L. and Roeder, K. (2009),High Dimensional Variable Selection. Annals of Statistics, 37(5A)
- Meinshausen, N., Meier, L. and Bu¨hlmann, P. (2009),P-values for Highdimensional Regression. Journal of the American Statistical Association, (104);
- Schwarz, Gideon. (1978). Estimating the dimension of a model. The annals of statistics, 6(2), 461-464.
Downloads
Published
Deprecated: Return type of Carbon\Traits\Date::createFromTimestamp($timestamp, $tz = null) should either be compatible with DateTime::createFromTimestamp(int|float $timestamp): static, or the #[\ReturnTypeWillChange] attribute should be used to temporarily suppress the notice in /home/iqserver/journals/kjeas.uowasit.edu.iq/lib/pkp/lib/vendor/nesbot/carbon/src/Carbon/Traits/Timestamp.php on line 29
2024-06-22
