محمد گلپایگانی - گروه آمار، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود
محمد آرشی - گروه آمار، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود
مینا نوروزی راد - گروه آمار، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود

امروزه در بسیاری از مطالعات پزشکی، از تکنولوژی ریزآرایه ها استفاده میشود تا بتواند ارتباط بین رفتار ژن ها و ویژگی های مختلف بالینی بیماران را پیدا کند. از آنجایی که تعداد ژن ها بسیار زیاد است، به منظور صرفه جویی در هزینه و زمان، تعیین ژن ها و به طور کلی متغیرهای موثر در پیش بینی یک بیماری (زمان فوت یک بیمار) از اهمیت بسزایی برخوردار است. در این مقاله، با به کارگیری توابع تاوان ریج، لاسو و ترکیبی از این دو تابع، الاستیکنت، در رگرسیون نرخ خطر کاکس، مدل مناسب برای پیش بینی الگوریتم های مختلف معرفی و مورد مقایسه قرار می گیرد. در این راستا کاربرد روش های بهینه سازی مقید در قابلیت اطمینان مورد استفاده قرار می گیرد.

داده های بقا، رگرسیون کاکس، رگرسیون تاوانیده، روش بهینه سازی مقید، لاسو، الاستیکنت