Geri Dön

A computational approach to nonparametric regression: Bootstrapping CMARS method

Parametrik olmayan regresyon modeline hesaplamalı bir yaklaşım: Konik çok değişkenli uyarlanabilir regresyon eğrilerine (KÇURE) koruyan halka yönteminin uygulanması

PDF İndir

  1. Tez No: 305050
  2. Yazar: CEYDA YAZICI
  3. Danışmanlar: DOÇ. DR. İNCİ BATMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 134

Özet

Koruyan Halka (Bootstrap) yöntemi esas veri kümesine kitle gibi davranarak ondan örneklem alan bir yeniden örnekleme yöntemidir. Bu teknik, özellikle matematiksel çözümü olmayan problemlerde yaygın olarak kullanılmaktadır. Bu çalışmada, özel bir parametrik olmayan regresyon yöntemi olan Konik Çok Değişkenli Uyarlanabilir Regresyon Eğrilerine (KÇURE) ilişkin parametrelerin istatistiksel olarak önemli olup olmadığına karar vermek amacı ile deneysel dağılımlarını elde etmek için kullanılmıştır. Burada KÇURE yöntemi, konik ikinci derece eniyileme yöntemini kullanan ve iyi bilinen bir parametrik olmayan regresyon yöntemi olan Çok Değişkenli Uyarlanabilir Regresyon Eğrilerinin (ÇURE) değiştirilmiş özel bir şeklidir. Birçok ölçüte göre daha iyi başarıma sahip olduğu halde, KÇURE modeli ÇURE modelinden daha karmaşıktır. Bu problemin üstesinden gelebilmek ve KÇURE modelinin başarımını daha da iyileştirmek amacı ile üç farklı Koruyan Halka yöntemi, Sabit-X, Rastgele-X ve de Aşırı (Wild) Koruyan Halka yöntemi, büyüklük ve ölçekleri bakımından farklı dört veri kümesine uygulanmıştır. Daha sonra geliştirilen modellerin başarımları doğruluk, kesinlik, karmaşıklık, durağanlık (stability), sağlamlık (robustness) ve etkinlik (efficiency) ölçütleri açısından karşılaştırılmıştır. Rastgele-X yöntemi, daha az etkin olmasına rağmen özellikle orta büyüklükte ve ölçekte veri kümeleri için daha kesin, doğru ve daha az karmaşık modeller üretmiştir.

Özet (Çeviri)

Bootstrapping is a resampling technique which treats the original data set as a population and draws samples from it with replacement. This technique is widely used, especially, in mathematically intractable problems. In this study, it is used to obtain the empirical distributions of the parameters to determine whether they are statistically significant or not in a special case of nonparametric regression, Conic Multivariate Adaptive Regression Splines (CMARS). Here, the CMARS method, which uses conic quadratic optimization, is a modified version of a well-known nonparametric regression model, Multivariate Adaptive Regression Splines (MARS). Although performing better with respect to several criteria, the CMARS model is more complex than that of MARS. To overcome this problem, and to improve the CMARS performance further, three different bootstrapping regression methods, namely, Random-X, Fixed-X and Wild Bootstrap are applied on four data sets with different size and scale. Then, the performances of the models are compared using various criteria including accuracy, precision, complexity, stability, robustness and efficiency. Random-X yields more precise, accurate and less complex models particularly for medium size and medium scale data even though it is the least efficient method.

Benzer Tezler

  1. Tez No

    805183

    OECD ülkelerinde dayanıklı öğrencilerin akademik başarısını etkileyen faktörlerin nonparametrik bayesyen regresyon tahmini

    Nonparametric bayesian regression estimation of factors affecting the academic achievement of resilient students in OECD countries

    DERYA TOPDAĞ

    Doktora

    Türkçe

    Türkçe

    2023

    EkonometriMarmara Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. EBRU ÇAĞLAYAN AKAY

  2. Tez No

    474858

    Different types of modellings and the inference of model parameters for complex biological systems

    Karmaşık biyolojik sistemler için farklı türlerde modellemeler ve model parametrelerinin çıkarımı

    MELİH AĞRAZ

    Doktora

    İngilizce

    İngilizce

    2017

    GenetikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. VİLDA PURUTÇUOĞLU GAZİ

  3. Tez No

    736166

    Design and optimization of variable stiffness composite structures modeled using Bézier curves

    Bézier eğrileriyle modellenen değişken katılıklı kompozit yapıların tasarımı ve optimizasyonu

    ONUR COŞKUN

    Doktora

    İngilizce

    İngilizce

    2022

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİT SÜLEYMAN TÜRKMEN

  4. Tez No

    568513

    Mezo ölçek model rüzgar şiddeti öngörü sonuçlarının yapay sinir ağları ve k en yakın komşu algoritması ile iyileştirilmesi

    Artificial neural networks and k nearest neighborhood algorithm approach to improving wind speed prediction of the mesoscale forecast model results

    DUYGU AKYIL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞÜKRAN SİBEL MENTEŞ

  5. Tez No

    318843

    An algorithm for the forward step of adaptive regression splines via mapping approach

    Uyarlanabilir regresyon eğrilerinin ileriye doğru seçme aşaması için gönderim yaklaşımı ile yeni bir algoritma

    ELÇİN KARTAL KOÇ

    Doktora

    İngilizce

    İngilizce

    2012

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. İNCİ BATMAZ

    YRD. DOÇ. DR. CEM İYİGÜN

Geri Dön