Geri Dön

Comparison of stacked generalization for prediction models

Tahmin modelleri için yığılmış genellemenin karşılaştırılması

PDF İndir

  1. Tez No: 688521
  2. Yazar: EZGİ TURALI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CEYDA YAZICI, DR. İNAN UTKU TÜRKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: TED Üniversitesi
  10. Enstitü: Lisansüstü Programlar Enstitüsü
  11. Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 122

Özet

Çoklu tahmin modelinde iki veya daha fazla bağımsız değişken arasında yüksek karşılıklı ilişkilerin ortaya çıkması olan çoklu bağlantı, temel modellerden tahminlere istifleme uygulandığında ortaya çıkabilir. Bu çalışmada öncelikle yığmadan önce temel modellerin tahminleri üzerine Temel Bileşenler Analizi (TBA) uygulanmıştır. Sonra, TBA'sız ancak çoklu bağlantıyla başa çıkabilen ağaç tabanlı modeller kullanarak istifleme yapılmıştır. Ayrıca, önceki iki yaklaşımın kombinasyonu, yani temel seviye modellerin tahminleri üzerine TBA oluşturulmuştur ve ardından yığınlamada ağaç tabanlı modeller kullanılmıştır. Bu işlemler küçük ölçekteki farklı sayıda tahmin ediciye sahip veri setleri üzerinde gerçekleştirilmiştir. Ek olarak gürültülü bir veri seti de kullanılmıştır. Bunların sonucunda veri kümelerinin farklı ölçeklerinin çıkarımları arasında fark olmadığı bulunmuştur. Yığınlamanın ise doğruluk, karmaşıklık ve kararlılık ölçeklerinde önemli ölçüde bir artış yaratmadığı gözlenmiştir.

Özet (Çeviri)

Multicollinearity which is the occurrence of high intercorrelations among two or more independent variables in a prediction model, may occur when stacking is applied to estimates from the base models. In order to investigate and compare the performances of different methods when stacking is applied in small size data sets, several approaches are conducted in this study. Firstly, Principal Component Analysis (PCA) is applied on the predictions of the base models before stacking. Next, stacking is done using tree-based models that are PCA-free but can handle multicollinearity. Moreover, PCA is built on the combination of the two previous approaches, i.e., the predictions of the baseline models, and then tree-based models are used in the stacking. These operations are performed on small scale data sets with different numbers of predictors. In addition, a noisy dataset is also used. As a result of these, it is found that there is no difference between the inferences of the different scales of the data sets. It is observed viii that stacking do not create a significant increase in accuracy, complexity and stability measures

Benzer Tezler

  1. Tez No

    50484

    Combining multible classifiers for pen-based handwritten digit recognition

    Kalem tabanlı elle yazılmış rakam tanıma için sınıflandırıcıların birleştirilmesi

    FEVZİ ALİMOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    1996

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Y.DOÇ.DR. ETHEM ALPAYDIN

  2. Tez No

    47496

    Methods of combining multiple classifiers and their application to handwritten digit recognition

    Birden çok sınıflandırıcıyı birleştirme yöntemleri ve el yazısı rakam tanıma üzerine uygulamaları

    CENK KAYNAK

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Y.DOÇ.DR. ETHEM ALPAYDIN

  3. Tez No

    536146

    Düzlemsel dizim nüveli kuru tip dağıtım transformatörü ile üçgen sarma nüveli kuru tip dağıtım transformatörünün sonlu elemanlar yöntemiyle karşılaştırılması

    Comparison of planar stacked core dry type distribution transformer and triangle wound core dry type distribution transformer whith finite element method

    TURAB SALAHLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiOndokuz Mayıs Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATABAK NAJAFI

  4. Tez No

    467090

    Deep convolutional neural networks for image inpainting

    Derin evrişimsel sinir ağları ile resimlerde içboyama

    UĞUR DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE ÜNAL

  5. Tez No

    402853

    Can seismic velocity stacking errors result in the low-frequency shadow?

    Başlık çevirisi yok

    ÜMİT SERHAN İNAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Jeofizik MühendisliğiMichigan Technological University

    PROF. DR. WAYNE D. PENNINGTON

Geri Dön