چکیده

رگرسیون یکی از مشهورترین روش‌هایی است که تاکنون مورد استفاده محققان قرار گرفته است و بدون شک یکی از مهم‌ترین شاخه‌های علم آمار است که اهدافی نظیر درک چگونگی روابط بین متغیرها و پیش‌بینی را دنبال می‌کند. امروزه رگرسیون در تمام شاخه‌های علوم نظیر بیولوژی، علوم زیستی و علوم اجتماعی جایگاهی ویژه یافته و مورد استقبال فراوان کاربران قرار گرفته است. روش‌های کلاسیک برای تحلیل مدل‌های رگرسیونی در موقعیت‌های خاص نظیر مجموعه داده‌های با بعد بالا، مشکل وجود نقاط پرت و همخطی در داده‌ها گزینه مناسبی بدین منظور نیستند و باعث گمراهی محقق و نتایج اشتباه خواهند شد. رویکرد رگرسیون بردار پشتیبان که می‌توان گفت یکی از قدرتمندترین ابزارهای یادگیری ماشین است از روش‌های نوین تحلیل مدل‌های رگرسیونی با شرایط خاص است. روش کمترین توان‌های دوم پیراسته نیز یکی از روش‌های مشهور برای تحلیل مجموعه داده‌های با بعد بالا در حضور نقاط پرت است.

کليدواژه ها

داده بافت چشم، روش رگرسیون بردار پشتیبان، روش ماشین بردار پشتیبان، کمترین توان‌های دوم پیراسته تنک، مجموعه داده‌ها با بعد بالا، نقاط پرت.

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
منیره معنوی , 1400 , تحلیل داده‌های بافت چشم با روش رگرسیون بردار پشتیبان و روش کمترین توان‌های دوم پیراسته تنک , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی