Ridge, LASSO and elastic net methods in high dimensional data
Yüksek boyutlu verilerde ridge, LASSO ve elastik net yöntemleri
- Tez No: 641128
- Danışmanlar: PROF. DR. MAHMUDE REVAN ÖZKALE ATICIOĞLU
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde büyük ve yüksek boyutlu veri kümelerinin ortaya çıkması ile yüksek ön tahmin doğruluğuna sahip olmasının yanı sıra kolay yorumlanabilen modeller veren cezalandırılmış doğrusal regresyon yöntemleri büyük önem kazanmıştır. Bu çalışmada öncelikle literatürde yaygın olarak bilinen ridge, LASSO ve iki parametreli tahmin ve elastik net yöntemleri, cezalandırılmış doğrusal regresyon yöntemleri bağlamında ele alınmış ve bu yöntemlere dair temel bilgiler verilmiştir. Bir sonraki aşamada veri kümesinde çoklu iç ilişki olması halinde bu yöntemlere alternatif olarak GO tahmin edicisi önerilmiştir. Daha sonra veri kümesinde çoklu iç ilişki olmasının yanı sıra veri kümesinin yüksek boyutlu olması halinde de model oluşturmada kullanılabilen shift-ridge ve shift-LASSO tahmin edicileri önerilmiştir. Son olarak veri kümesine uygun stokastik kısıtların olması durumunda alternatif bir tahmin edici olarak kullanılabilen stokastik kısıtlı LASSO tahmin edicisi önerilmiştir. Her bir tahmin edici için gerçek veri kümesi analizi ve simülasyon çalışmaları yapılmıştır. Önerilen tahmin ediciler, test kümesi hata kareler ortalaması ve seçilen değişken sayısı gibi kriterlere göre C++ ve R programlama dilleri kullanılarak literatürde bulunan diğer tahmin ediciler ile karşılaştırılmıştır.
Özet (Çeviri)
Penalized linear regression methods that yield interpretable models with high prediction accuracy have gained great importance with the emergence of big and high-dimensional data sets recently. In this study, firstly, the ridge, LASSO, two-parameter estimation and elastic net methods which are popular methods in the literature are discussed in the context of penalized linear regression methods. In the next stage, the GO estimator is proposed as an alternative to these methods in case there is multicollinearity in the data set. After that, the shift-ridge and shift-LASSO estimators are proposed which can be used in modeling if the data set is high-dimensional in addition to having multicollinearity. Finally, the stochastic restricted LASSO estimator is proposed, which can be used as an alternative estimator if there are convenient stochastic restrictions for the data set. Real data set analysis and simulation studies are performed for each estimator. The proposed estimators are compared with other estimators in the literature by making use of C++ and R programming languages according to criteria such as test mean squared error and number of variables selected.
Benzer Tezler
- Yüksek boyutlu verilerde sparse (seyrek) model çıkarımı: Korelasyon duyarlı adaptif lasso (CDA-Lasso yöntemi ve performans analizi
Sparse model extraction in high-dimensional data: Correlation-sensitive adaptive LASSO method and performance analysis
BÜŞRA CEYLAN KUZU
Yüksek Lisans
Türkçe
2026
İstatistikFırat Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS GÜRAL
- The roles of preventive and curative health care in economic development
Önleyici ve tedavi edici sağlık hizmetlerinin ekonomik kalkınmadaki rolleri
ANNA PIROGOVA
Yüksek Lisans
İngilizce
2025
Ekonomiİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. OSMAN DOĞAN
- Çok boyutlu lineer regresyonda robust ve sparse tahmin metotlarının zooteknide kullanımı
Usage of robust and sparse estimation methods for high-dimensional linear regression in animal science
CEM TIRINK
Doktora
Türkçe
2020
BiyoistatistikOndokuz Mayıs ÜniversitesiZootekni Ana Bilim Dalı
PROF. DR. HASAN ÖNDER
- Türkiye'de enflasyon oranının yapay zekâ ile tahmini: Makine öğrenmesi ve derin öğrenme yöntemlerinin karşılaştırılması
Forecasting of inflation rate with artificial intelligence in Türkiye: Comparison of machine learning and deep learning methods
YUNUS EDİZ
Doktora
Türkçe
2026
EkonometriManisa Celal Bayar Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. İLKAY DİLBER
- Doğrusal regresyonda ridge, lasso ve elastik net yöntemlerinin sağlık alanında uygulanması
Application of ridge, lasso and elastic net methods in linear regression in the field of health
MERVE VERGİLİ
Yüksek Lisans
Türkçe
2023
BiyoistatistikSüleyman Demirel ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. HİKMET ORHAN