Ridge lojistik regresyonda önerilen son tahmin ediciler ve dağılımlarının belirlenmesi
Determination of the final estimators and their distributions proposed in the ridge regresion
- Tez No: 781171
- Danışmanlar: PROF. DR. ÖZGE AKKUŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Regresyon analizlerinde çoklu doğrusal bağlantı sorunu en sık rastlanan problemlerden birisidir. Bu sorunun çözüm bulması için çok fazla yöntem bulunmaktadır. Temel Bileşenler Regresyonu ve Ridge Regresyon (RR) yöntemi en sık kullanılan yöntemlerden bazılarıdır. Literatürde RR yöntemi kullanılarak yapılmış çok sayıda çalışmaya rastlanmaktadır. Bu çalışmada çoklu doğrusal bağlantı probleminin En Çok Olabilirlik Tahmin Edicisi (EÇOTE) üzerindeki etkileri iki düzeyli lojistik regresyon modeli üzerinden analiz edilmiştir. Burada amaç farklı örneklem büyüklüğü, farklı çoklu bağlantı derecesi ve farklı bağımsız değişken sayısı ile en küçük Hata Kareler Ortalamasını (HKO) veren en uygun Ridge parametresini tahmin etmektir. Çalışmada literatürde geçen 15 farklı Ridge parametre tahmin edicisine yer verilmiş ve performanslarını değerlendirmek için Monte Carlo simülasyon çalışması tasarlanmıştır. Performans kriteri olarak ise sadece HKO değil, üretilen parametre değerlerinin normal dağılıma uygunluğu ve 0-10 arasında değerler üretebilme kriterleri de dikkate alınarak toplamda 175 farklıdurum ele alınmıştır. Elde edilen sonuçlar ile iki düzeyli lojistik regresyon analizinde en etkin ridge parametre tahmin edicileri belirlenmiştir.
Özet (Çeviri)
Multicollinearity problem is one of the most common problems in regression analysis. There are many ways to solve this problem. Principal Components Regression and Ridge Regression (RR) method are some of the most commonly used methods. There are many studies in the literature using the RR method. In this study, the effects of the multicollinearity problem on the Maximum Likelihood Estimator (MLE) were analyzed using a binary logistic regression model. Here, the aim is to estimate the optimal Ridge parameter that gives the smallest Mean Square Error (MSE) with different sample size, different degrees of multicollinearity, and different number of independent variables. In the study, 15 different Ridge parameter estimators mentioned in the literature were included and a Monte Carlo simulation study was designed to evaluate their performance. As a performance criterion, not only the MLE, but also the conformity of the produced parameter values to the normal distribution and the criteria for producing values between 0-10 were considered for a total of 175 different situations. With the results obtained, the most effective ridge parameter estimators were determined in the binary logistic regression analysis.
Benzer Tezler
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Development of a machine learning based framework for failure forecast and shear strength estimation of conventional RC shear walls
Geleneksel betonarme perde duvarların göçme modu ve kesme kuvveti kapasitesini tahmin eden makine öğrenmesi tabanlı bir yaklaşım geliştirilmesi
MEHMET TAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLŞEN TAŞKIN KAYA
- Variable selection and classification for longitudinal binary data through three-step sparse boosting
Üç aşamalı seyrek yükseltme metodu ile ikili sonucu olan uzunlamasına verilerin değişken seçimi ve sınıflandırılması
DENİZ ESİN EMER
Doktora
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÖZLEM İLK DAĞ
- Regresyon yöntemlerinin performans analizi
Performance analysis of regression methods
EMRE ÖZKAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALAT FİRLAR
- Machine learning-based prediction of FTIR spectral peaks for biomass characterization
Biyokütle karakterizasyonu için FTIR spektral pik noktalarının makine öğrenmesi tabanlı tahmini
FAHREDDİN TALHA SAĞİŞ
Yüksek Lisans
İngilizce
2025
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR YAMAN