جلد 10، شماره 2 - ( آبان 1390 )                   جلد 10 شماره 2 صفحات 201-235 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khalili A. An Overview of the New Feature Selection Methods in Finite Mixture of Regression Models. JIRSS. 2011; 10 (2) :201-235
URL: http://jirss.irstat.ir/article-1-164-fa.html
مروری بر روش‌های جدید گزینش خصیصه درآمیخته‎ متناهی مدل‌های رگرسیونی . پژوهشنامه انجمن آمار ایران. 1390; 10 (2) :201-235

URL: http://jirss.irstat.ir/article-1-164-fa.html


چکیده:   (6002 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.
متن کامل [PDF 1033 kb]   (2457 دریافت)    
موضوع مقاله: 60: Probability theory and stochastic processes
دریافت: ۱۳۹۰/۸/۱۶ | پذیرش: ۱۳۹۴/۶/۲۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

کلیه حقوق این وب سایت متعلق به پژوهشنامه انجمن آمار ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journal of The Iranian Statistical Society

Designed & Developed by : Yektaweb