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
- Tez No: 318843
- Danışmanlar: DOÇ. DR. İNCİ BATMAZ, YRD. DOÇ. DR. CEM İYİGÜN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 148
Özet
Çok değişkenli uyarlanabilir regresyon eğrileri (MARS), çok boyutlu veri modellemesinde çıktı değişkeni ile girdi değişkenleri arasında doğrusal olmayan ilişkileri eğriler yardımıyla tahminlemede iyi bilinen bir doğrusal olmayan regresyon yöntemidir. MARS, fonksiyon tahminlemesinde kırılma noktalarıyla birbirinden ayrılan parçalı doğrusal fonksiyonlar kullanır. Fonksiyon tahminlemesinde kullanılan model iki aşamalı bir yöntemle oluşturulur: İleriye doğru seçme ve geriye doğru eleme. İlk aşamada çok fazla temel fonksiyonun yani kırılma noktasının bulunduğu genel bir model oluşturulur ve ikincide genel uyuma az katkıda bulunan temel fonksiyonlar elenir. Klasik uyarlanabilir eğri yöntemlerinde kırılma noktaları, ileriye doğru seçme yöntemini sayısal olarak pahalı yapan ve bölgesel yüksek yayılıma neden olan farklı veri noktalar kümesinden seçilirler. Bu zorluklardan kaçınmak için kırılma noktalarını verinin küçültülmesine yol açan veri noktalarının altkümesinden seçmek mümkün olabilir. Bu çalışmada orijinal veriyi daha az boyutlu uzaya dönüştüren, kendini örgütleyen eşleştirmeye dayalı bir yaklaşımı kullanılarak kırılma noktalarının seçilmesi için yeni bir yöntem önerilmiştir. Böylece MARS algoritmasının ileriye doğru seçme yönteminde model oluşturmak için daha az sayıdaki kırılma noktasının kullanımına olanak tanınmaktadır. Simule edilen ve altı gerçek hayat verisinden elde edilen sonuçlar, önerilen yöntemin model doğruluğunu ve tahminleme performansını düşürmeden model kurmada zaman açısından etkili bir yöntem olduğunu göstermektedir. Bu çalışmada önerilen yaklaşım hesaplama zamanlarını azaltarak MARS ve CMARS yöntemlerini iyileştirmek için yöntemlerin ileriye doğru aşamalarına alternatif olarak uyarlanmıştır.
Özet (Çeviri)
In high dimensional data modeling, Multivariate Adaptive Regression Splines (MARS) is a well-known nonparametric regression technique to approximate the nonlinear relationship between a response variable and the predictors with the help of splines. MARS uses piecewise linear basis functions which are separated from each other with breaking points (knots) for function estimation. The model estimating function is generated in two stepwise procedures: forward selection and backward elimination. In the first step, a general model including too many basis functions so the knot points are generated; and in the second one, the least contributing basis functions to the overall fit are eliminated. In the conventional adaptive spline procedure, knots are selected from a set of distinct data points that makes the forward selection procedure computationally expensive and leads to high local variance. To avoid this drawback, it is possible to select the knot points from a subset of data points, which leads to data reduction. In this study, a new method (called S-FMARS) is proposed to select the knot points by using a self organizing map-based approach which transforms the original dataset to a lower dimensional space. Thus, a less number of knot points is enabled to be used for model building in the forward selection of MARS algorithm. The results obtained from simulated datasets and of six real-world datasets show that the proposed method is time efficient in model construction without degrading the model accuracy and prediction performance. In this study, the proposed approach is implemented to MARS and CMARS methods as an alternative to their forward step to improve them by decreasing their computing time.
Benzer Tezler
- A new contribution to nonlinear robust regression and classification with MARS and its applications to data mining for quality control in manufacturing
Doğrusal olmayan sağlam regresyon ve sınıflandırmaya MARS ile yeni bir katkı ve bu katkının endüstride kalite kontrolü amaçlı veri madenciliği uygulamaları
FATMA YERLİKAYA
Yüksek Lisans
İngilizce
2008
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
DOÇ. DR. İNCİ BATMAZ
PROF. DR. GERHARD WİLHELM WEBER
- Parameter estimation in generalized partial linear models with conic quadratic programming
Genelleştirilmiş parçalı doğrusal modellerde ikinci dereceden konik karesel programlama yöntemi ile parametre tahmini
GÜL ÇELİK
Yüksek Lisans
İngilizce
2010
MatematikOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
PROF. DR. BÜLENT KARASÖZEN
PROF. DR. GERHARD WİLHELM WEBER
- Basamak patlatmasında tasarım parametrelerinin patlatma verimliliği ve çevresel etki açısından değerlendirilmesi
Evaluation of design parameters in bench blasting in terms of blast efficiency and environmental effect
ÖZGE AKYILDIZ
Doktora
Türkçe
2022
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜRKER HÜDAVERDİ
- Uranyum aramalarında radyoaktif jeofizik kuyu logu ölçü değerleri ve sondajdan alınan numunelerden elde edilen laboratuvar değerleri arasındaki ilişkinin incelenmesi
Radioactice geophysical well log measurement values in uranium exploration and laboratory values obtained from samples taken from drilling examining the relationship between
HAKAN AKGÜL
Yüksek Lisans
Türkçe
2023
Jeofizik MühendisliğiSakarya ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNAY BEYHAN
- Mikrodalga difraksiyon tomografisi için yeni bir paralel işleme algoritması
A New parallel processing algorithm for microwave diffraction tomography
MESUT KARTAL
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. BİNGÖL YAZGAN