Permalink Submitted by زهره حسینی (not verified) on Thu, 01/05/2017 - 14:59.
با استفاده از ماتریس کوواریانس واریانس همبستگی ها رو مشخص می کنیم اگه همبستگی بین متغیرها زیاد بود از روش الستیک نت واگر همبستگی کم بود دیگر روش های انقباضی مناسب اند
Permalink Submitted by فاضلی-نجومی زاده (not verified) on Wed, 01/04/2017 - 21:27.
توی روش لارس داریم دونه دونه متغیر ها رو به یک روش خاص وارد مدل میکنیم تا جایی که تک تک متغیر ها وارد مدل میشوند،این در حالی هستش که هدف ما کاهش تعداد متغیر های مدل است.
این تناقض با هدف ما که کاهش تعداد متغیر های مدل است، نیست؟
چگونه میتوان این تناقض را توجیه کرد؟
Permalink Submitted by زهره حسینی (not verified) on Thu, 01/05/2017 - 15:09.
در روش لارس عمل وارد کردن متغیر درون مدل به این صورت است که تا پایهن ورود اخرین متغیر مستقل داخل مدل انجام می شود در واقع ما در این روش در پایان تنها متغیرهای مستقل را در مدل داریم بنابراین هیچگونه همبستگی دیگری درون مدل نیست لذا ما به هدفمون که انتخاب متغیر های مستقل برای مدل است جهت حرف همبستگی و عدم تورم واریانس براوردگرها دست یافتیم
Permalink Submitted by لقمانیان، حسینی (not verified) on Thu, 01/05/2017 - 20:14.
روش لارس تقریبا با الگو گرفتن از روش های لاسو و انتخاب پیشرو است که به رگرسیون کمترین زاویه معروف است و نقص های روش کلاسیک و پیچیدگی محاسبات روش لاسو را برطرف میکند.
Permalink Submitted by روزبهانی-خورشیدی (not verified) on Thu, 01/05/2017 - 19:00.
در روش های انتخاب متغیر گفته شده که ماتریس کواریانس متغیر های پیشین نقش مهمی در انتخاب متغیر دارند ؟چگونه میتوان براساس ماتریس کواریانس انتخاب متغیر کرد؟
Comments
عبد یزدان-قیصری
حسینی
فاضلی-نجومی زاده
حسینی
حسینی
حسینی
روزبهانی خورشیدی
صنعتی ملک زاده
Add new comment