Geri Dön

A comparison of some robust regression techniques

Bazı sağlam regresyon yöntemlerinin bir karşılaştırması

  1. Tez No: 255446
  2. Yazar: EZGİ AVCI
  3. Danışmanlar: PROF. DR. GÜLSER KÖKSAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2010

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. FİLİZ KARDİYEN

  2. Comparison of robust regression methods

    Dayanıklı regresyon metotlarının karşılaştırılması

    GÖZDE NAVRUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ABDULLAH FIRAT ÖZDEMİR

  3. 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

    Türkçe

    2012

    BiyoistatistikEskişehir Osmangazi Üniversitesi

    Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı

    YRD. DOÇ. DR. ERTUĞRUL ÇOLAK

  4. Design and deployment of deep learning based fuzzy logicsystems

    Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması

    AYKUT BEKE

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR