Yazar
Kayış, Enis
Basım Tarihi
2021
Basım Yeri
-
Springer
Konu
Küme bazında doğrusal regresyon, Gradyan iniş, Buluşsal Yöntem
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-303083013-7
Kayıt Numarası
82be1ea6-f47c-4fb6-a638-2e69adf99993
Lokasyon
Endüstri Mühendisliği
Tarih
2021
Örnek Metin
Çoklu doğrusal regresyon, bir dizi bağımsız değişkenin bağımlı değişken üzerindeki etkilerini ölçme yöntemidir. Kümeleme doğrusal regresyon problemlerinde, benzer regresyon tahminlerine sahip veri noktaları, ya bir iş ihtiyacı nedeniyle ya da ortaya çıkan regresyon tahminlerinin istatistiksel anlamlılığını arttırmak için aynı kümede gruplandırılır. Bu yazıda, bu sorunun, aynı kategoriye ait veri noktalarının aynı bölüme ait olması gereken bir uzantısını ele alıyoruz. Büyük veri kümeleri için kesin çözümü bulmak mümkün değildir ve çoğu buluşsal yöntem, kategori sayısında katlanarak artan bir süre gerektirir. Makul bir süre içinde yüksek kaliteli çözümler sağlamak için gradyan iniş tabanlı buluşsal yöntemin çeşitlerini öneriyoruz. Buluşsal yöntemlerimizin performansları 1014 simüle edilmiş veri kümesinde değerlendirilir. Kategori sayısı 60'tan az olduğunda temel gradyan inişine dayalı buluşsal yöntemin karşılaştırmalı performansının ortalama %0,17'lik bir boşlukla oldukça iyi olduğunu bulduk. Bununla birlikte, sabit bir başlangıç bölümüyle başlamak ve küme atama değişikliklerini tek yönlü olacak şekilde kısıtlamak, özellikle çok sayıda tahminciye ve çok sayıda veri kümesine sahip veri kümeleri için, çözüm kalitesinde orta düzeyde bir düşüşle buluşsal yöntemi önemli ölçüde hızlandırır. Örneğin, 400 kategoriye sahip veri kümeleri için zamanın onda birinde ortalama %2,81'lik bir boşluk yüzdesine sahip çözümler üretilebilir.
DOI
10.1007/978-3-030-83014-4_8
Cilt
1446
