چکیده: (9329 مشاهده)
گزینش متغیر (خصیصه) توجه زیادی را در آموزشهای آماری معاصر و پژوهشهای علمی اخیر به خود جلب کرده است. این امر عمدتاً ناشی از پیشرفت سریع در فناوری نوین
است که به دانشمندان اجازه میدهد دادههایی با اندازهها و پیچیدگی بی سابقه را گردآوری کنند. یک نوع از مسائل آماری در چنین کاربردهایی به مدلبندی یک متغیر خروجی
به عنوان تابعی از زیرمجموعهای کوچک از تعداد زیادی خصیصه مربوط میشود. در برخی کاربردها، نمونههای دادهها ممکن است حتی از زیرجامعههای چندگانه برخواسته باشند.
در این موارد، گزینش خصیصهها (متغیرها) با قابلیتهای پیشگویی درست برای هر زیرجامعه، جنبهای حیاتی دارد. بهترین روشهای گزینش زیرمجموعه از نوع کلاسیک برای بسیاری
از کاربردهای آماری نوین به لحاظ محاسباتی بیش از حد گران هستند. روشهای جدید گزینش خصیصه طی دههی گذشته به طور موفقیتآمیزی برای پرداختن به تعداد زیاد متغیرها
پروژه شدهاند. این روشها برای گزینش متغیرهای مهم و برآورد کردن اثرات آنها در یک مدل آماری به طور همزمان، طراحی شدهاند. در این مقاله، ما مروری بر پیشرفتهای
اخیر در نظریه، روشها و پیاده سازی برای مسأله گزینش متغیر درآمیخته متناهی مدلهای رگرسیونی ارائه میکنیم.
دریافت: 1390/8/16 | پذیرش: 1394/6/21 | انتشار: 1390/8/24