مدل رگرسیون لاسو بیزی با خطای نامتقارن در بعد بالا

یکی از بحث های چالشی در مدل های رگرسیونی انتخاب مدل بهینه است، بدین شکل که چگونه می توان متغیرهای توضیحی مهم و متغیرهای قابل اغماض را مشخص کرده و رابطه بین متغیر پاسخ و متغیرهای توضیحی را به طور ساده تر بیان نمود. با توجه به محدودیت های مربوط به انتخاب متغیر به روش کلاسیک نظیر انتخاب گام به گام، می توان از روش های رگرسیون تاوانیده استفاده کرد. یکی از مدل های رگرسیون تاوانیده، مدل رگرسیونی لاسو است که در آن فرض می شود خطاها از توزیع نرمال پیروی می کنند. در این مقاله، مدل رگرسیون لاسو بیزی با خطایی با توزیع نامتقارن و وجود متغیرهای توضیحی از بعد بالا معرفی می شود. سپس با شبیه سازی و تحلیل داده های  واقعی، عملکرد مدل پیشنهادی مورد بحث و بررسی قرار می گیرد.

Keywords:

Penalized Regression , Bayesian LASSO Regression , Asymmetric Laplace Distribution , Alpha-Skew Normal Distribution , Gibbs Algorithm. , رگرسیون تاوانیده , رگرسیون لاسوی بیزی , توزیع لاپلاس نامتقارن , توزیع آلفا رگرسیون تاوانیده , رگرسیون لاسوی بیزی , توزیع لاپلاس نامتقارن , توزیع آلفا چوله نرمال , الگوریتم گیبس , چوله نرمال , الگوریتم گیبس.