A comparison of some robust regression techniques
Bazı sağlam regresyon yöntemlerinin bir karşılaştırması
- Tez No: 255446
- Danışmanlar: PROF. DR. GÜLSER KÖKSAL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 155
Özet
Saglam(robust) regresyon endüstriyel çalısmalarda; örnegin veri madenciligi,kalite kontrol ve iyilestirme ve finans alanlarında sıklıkla gerek duyulan biryaklasımdır. Saglam regresyon yöntemlerinden En Küçük Medyan Kareler, EnKüçük Budanmıs Kareler, M-regresyon, MM, En Küçük Mutlak Degerler,LOWESS ve MARS metotları yaklasık normal dagılıma göre aykırı degerleriisleme basarımı bakımından En Küçük Kareler metodu ile karsılastırılmıstır.Bu karsılastırmada; aykırı degerlerin oranı, x uzayındaki yeri, örneklembüyüklügü ve bagımsız degisken sayısı gibi parametreler degistirilerek birbenzetim çalısması gerçeklestirilmistir. Metotların karsılastırılmasında aykırıdegerleri belirlemede tip 1 ve 2 hata oranı, iyilestirilmis hata kareler ortalamasıve iyilestirilmis hata kareler ortalaması oranı gibi basarım ölçülerikullanılmıstır. Bu benzetim çalısması sonucunda en iyi basarım gösteren üçmetot bir endüstriyel veri seti üzerinde uygulanmıs olup belirleme katsayısı veortalama karesel hata basarım ölçülerine göre bu metotların basarımıtartısılmıstır.
Özet (Çeviri)
Robust regression is a commonly required approach in industrial studies likedata mining, quality control and improvement, and finance areas. Among therobust regression methods; Least Median Squares, Least Trimmed Squares, Mregression,MM-method, Least Absolute Deviations, Locally Weighted ScatterPlot Smoothing and Multivariate Adaptive Regression Splines are comparedunder contaminated normal distributions with each other and Ordinary LeastSquares with respect to the multiple outlier detection performance measures. Inthis comparison; a simulation study is performed by changing some of theparameters such as outlier density, outlier locations in the x-axis, sample sizeand number of independent variables. In the comparison of the methods,multiple outlier detection is carried out with respect to the performancemeasures detection capability, false alarm rate and improved mean square errorand ratio of improved mean square error. As a result of this simulation study,the three most competitive methods are compared on an industrial data set withrespect to the coefficient of multiple determination and mean square error.
Benzer Tezler
- Basit doğrusal regresyon modeli için bazı sağlam tahmin edicilerin karşılaştırılması
Comparison of some robust estimators for simple linear regression analysis
EMEL TİRYAKİ
Yüksek Lisans
Türkçe
2010
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. FİLİZ KARDİYEN
- Doğal çatklaklı rezervarlara ait kuyu testi verilerinin doğrusal olmayan regrasyon yöntemleri ile analizi
Başlık çevirisi yok
KUBİLAY MENEKŞE
- Comparison of robust regression methods
Dayanıklı regresyon metotlarının karşılaştırılması
GÖZDE NAVRUZ
Yüksek Lisans
İngilizce
2014
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ABDULLAH FIRAT ÖZDEMİR
- Türetilmiş ikili heterojen veri yapılarında genel, sağlam ve kesin lojistik regresyon yöntemlerinin karşılaştırılması
Comparıson of asymptotıc, robust and exact logıstıc regressıon methods ın generated bınary contamınated data set
MUZAFFER BİLGİN
Yüksek Lisans
Türkçe
2012
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
YRD. DOÇ. DR. ERTUĞRUL ÇOLAK
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR