Lasso tahminlerinin genetik algoritma yaklaşımı ile bulunması
Finding lasso esti̇mates via genetic algorithm approximation
- Tez No: 425807
- Danışmanlar: PROF. DR. VEDİDE REZAN USLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Teorisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Çoklu regresyon analizinde birden fazla bağımsız değişken arasında yüksek derecede ilişki olduğunda“çoklu doğrusal bağlantı sorunu”diye adlandırılan sorun ortaya çıkmaktadır. Çoklu bağlantı sorunu EKK tahmin edicilerinin tutarsız olmalarına neden olur. Bu problemin mevcut olması halinde EKK tahmin edicisi yerine alternatif olarak önerilen yanlı tahmin ediciler kullanılmaktadır. EKK tahmin edicileri ile yanlı tahmin ediciler arasında tercih yapmak gerektiğinde iki temel varsayım dikkate alınır. Bunlar yansızlık ve etkinliktir. EKK ile elde edilen tahmin ediciler yansız ve az etkili, yanlı tahmin ediciler ise yanlı ve daha etkilidir. Bu çalışmada yanlı tahmin yöntemlerinden olan LASSO tahmin edicisinin çözümü irdelenmektedir. Bir yenilik olarak LASSO tahmin edicisinin uygun çözümünün elde edilmesinde yumuşak hesaplama tekniklerinden sayılabilecek olan Genetik Algoritma kullanılmaktadır. Önerilen yöntemden elde edilen parametre tahminlerine ait aralık tahminlerini bulabilmek için yeniden örnekleme yöntemi olan bootstrap metodu kullanılmıştır.
Özet (Çeviri)
In multiple regression explanatory variables are assumed to be independent each other. The multicollinearity problem arises when this assumption is violated. The multicollinearity problem have some negative effects on the Least Squares estimates. When the multicollinearity problem is present the standard errors of the Least Squares estimates are larger than they should be in real. In that case it is suggested to use the methods providing biased estimates with smaller standard errors, which is why they are preferred. In this thesis a new approach that uses a genetic algorithm, which is one of the soft computing techniques, is suggested for finding the parameter estimates obtained by LASSO technique. In order to obtain the confidence interval for the model parameters the bootstrap method is used.
Benzer Tezler
- DSSAT bitki simülasyon modeli ve uzaktan algılama verilerinden elde edilen indisler kullanılarak buğday verim tahmini: İslahiye ve Nurdağı örneği
Wheat yield estimation using DSSAT crop simulation model and indices obtained from remote sensing: Islahiye and Nurdagi case
ÖMER VANLI
Doktora
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BURAK BERK ÜSTÜNDAĞ
- Bayesian variable selection in circular regression models using lasso
Dairesel regresyon modellerinde lassoya dayalı Bayesçi değişken seçimi
ONUR ÇAMLI
Doktora
İngilizce
2023
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ZEYNEP IŞIL KALAYLIOĞLU AKYILDIZ
PROF. DR. ASHİS SENGUPTA
- Çoklu bağlantı durumunda makine öğrenimi tabanlı regresyon analizi yöntemleri
Machine learning-basel regression analysis methods in the presence of multicollinearity
TUBA BENEK ARSLAN
- Regresyon ve yapay sinir ağları yöntemi ile istanbul ili doğalgaz tüketim tahmini
Natural gas consumption forecast in istanbul province with regression and artificial neural networks method
EDA MANGAN KARACA
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ FUAT GÜNERİ
- Cezalandırılmış en çok olabilirlik yöntemi ile parametre tahmini
Parameter estimation with the penalized maximum likelihood method
HÜLYA DALKILIÇ