版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、中國(guó)科學(xué)技術(shù)大學(xué)碩士學(xué)位論文LARS診斷回歸樹(shù)姓名:王彪申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè):概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師:方兆本20090501ABSTRACTTwopopularmethodsforclassificationandregressionarelinearregressionandtreeinduction,whichhavesomewhatcomplementaryadvantagesanddisadvantagesLinearreg
2、ressioniSapowerfultechniqueforfittingasimplemodeltothedataandtheprocessofmodelfittingisquitestable,resultinginlowvariancebutpotentiallyhighbiasButlinearregressionmodelsaredifficulttointerpretifcollinearitynonlinearityori
3、nteractionsarepresentOntheotherhand,TreemethodsexhibitslowbiasbutoftenhighvarianceItsearchesalessrestrictedspaceofmodelsandcapturesnonlinearpatternsinthedate,butitsleSSstableandpronetooverfittingSothisarticleproposestofi
4、tapiecewiselinearregressionmodelbyrecursivelyportioningthedataandfittingadifferentlinearregressionineachpartition,namedLARSDiagnosticsRegressionTree(LDRT)FirstlyLDRTproposebinarytreebasedprocedurestochecktheadequacyoflin
5、earfunctionbetweenpredictorsandthetargetvariableandgroupthepredictorsintofourtypes:n—variable,fvariable,svariableandcvariableThenLDRTemploysthegrowingtreemethodoftheGUIDEleastregressiontreealgorithmavoidsthevariableselec
6、tionbiasemployingatwo—stepapproachtosplitselectionLDRTobtainsestimatesandpredictionsubjecttoconstraintsonthecoefficientsrepresentingtheeffectsofsplitsinthetreeInordertogetthefasttrainingspeed,LDRTemploysLARSmethodtoshrin
7、kthenodesoftheinitialtreeandselectthebestsizedsubtreeTheprocedureleadstobothshrinkingofthenodeestimatesandpruningofbranchesFinallyweexploreandillustratetheperformanceofLDRTviaMonteCarloStudiesComparedtoCARTandGUIDE,LDRTa
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于事件交互樹(shù)的GUI回歸測(cè)試.pdf
- 樹(shù)體生長(zhǎng)異常診斷
- 線性回歸診斷若干問(wèn)題研究.pdf
- lars培訓(xùn)教材課件
- 非線性LAD回歸模型及其統(tǒng)計(jì)診斷.pdf
- 基于分類(lèi)回歸樹(shù)的網(wǎng)絡(luò)商品促銷(xiāo)效果評(píng)估研究.pdf
- 時(shí)間序列中回歸模型的診斷檢驗(yàn).pdf
- 基于Spark的分類(lèi)回歸樹(shù)算法并行性研究.pdf
- 基于AdaBoost回歸樹(shù)的多目標(biāo)預(yù)測(cè)算法的研究.pdf
- 基于集成分類(lèi)回歸樹(shù)算法的高速列車(chē)智能駕駛.pdf
- 基于分類(lèi)回歸樹(shù)的會(huì)計(jì)信息失真識(shí)別研究
- 34545.logistic回歸模型的統(tǒng)計(jì)診斷
- 基于spark的分類(lèi)回歸樹(shù)算法并行性研究
- 基于分類(lèi)回歸樹(shù)的網(wǎng)絡(luò)商品促銷(xiāo)效果評(píng)估研究
- 時(shí)空地理加權(quán)回歸模型的統(tǒng)計(jì)診斷.pdf
- 基于最大似然回歸樹(shù)的地鐵運(yùn)營(yíng)事故延誤模型研究.pdf
- 基于粗糙集與分類(lèi)回歸樹(shù)的“病例組合”分類(lèi)研究.pdf
- 具有異方差的線性回歸模型的統(tǒng)計(jì)診斷.pdf
- 主成分回歸中異常點(diǎn)的診斷和處理.pdf
- 甲狀腺良惡性結(jié)節(jié)超聲診斷的Logistic回歸分析.pdf
評(píng)論
0/150
提交評(píng)論