سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

انتخاب متغیر در داده های بزرگ

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 565

This Paper With 6 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

CSCG01_126

Index date: 21 October 2017

انتخاب متغیر در داده های بزرگ abstract

فناوری های نوین، داده های حجیمی را در بعد بالا تولید می کنند که مسیله تحلیل آنها موجب ابداع روش های جدید آماری و یادگیری ماشین شده است. قبل از اعمال بسیاری از این روش ها، معمول است که بعد داده های اصلی توسط روش هایی نظیر تحلیل مولفه های اصلی، رده بندی های درخت تصمیم، لاسو و غیره کاهش داده شده و متغیرهای موثر شناسایی شوند؛ اما در مواجهه با داده های بزرگ در بعد بالا، بسیاری از این روش ها به دلیل حجم و پیچیدگی محاسباتی قابل اجرا نیستند؛ بنابرین نیاز به الگوریتم های کار آمد است. در این تحقیق، با به کارگیری رویکرد غربال گری مستقل مطمین ابتدا متغیرهای موثر شناسایی شده سپس با این مجموعه متغیرها، عملکرد چهار روش رده بندی؛ تحلیل ممیزی خطی، تحلیل ممیزی درجه دوم، 1– نزدیک ترین همسایگی و رگرسیون لجستیک برای یک داده واقعی بررسی شده و نتایج باهم مقایسه شده اند.

انتخاب متغیر در داده های بزرگ Keywords:

انتخاب متغیر در داده های بزرگ authors

سعید محمدی

گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود

داود شاهسونی

گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود

حسین باغیشنی

گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود

مقاله فارسی "انتخاب متغیر در داده های بزرگ" توسط سعید محمدی، گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود؛ داود شاهسونی، گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود؛ حسین باغیشنی، گروه آمار، دانشکده علوم ریاضی، دانشگاه شاهرود نوشته شده و در سال 1394 پس از تایید کمیته علمی نخستین کنفرانس ملی محاسبات نرم پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله غربالگری مستقل مطمین، تحلیل ممیزی خطی، تحلیل ممیزی درجه دوم، 1– نزدیکترین همسایگی هستند. این مقاله در تاریخ 29 مهر 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 565 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که فناوری های نوین، داده های حجیمی را در بعد بالا تولید می کنند که مسیله تحلیل آنها موجب ابداع روش های جدید آماری و یادگیری ماشین شده است. قبل از اعمال بسیاری از این روش ها، معمول است که بعد داده های اصلی توسط روش هایی نظیر تحلیل مولفه های اصلی، رده بندی های درخت تصمیم، لاسو و غیره کاهش ... . برای دانلود فایل کامل مقاله انتخاب متغیر در داده های بزرگ با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.