1050

انجمن آمار ايران

مشهورترين تكنيك تحليل داده هاي تابعي رويكرد مؤلفه هاي اصلي تابعي است كه ابزاري مهم براي كاهش بعد نيز است. رگرسيون بردار پشتيبان شاخه اي از يادگيري ماشين و ابزار قدرتمندي براي تحليل داده است. در اين مقاله با استفاده از رگرسيون مؤلفۀ اصلي تابعي بر اساس تاوان هاي مشتق دوم، ستيغي و لاسو و با توجه به رگرسيون بردار پشتيبان با چهار هستۀ (خطي، چندجمله اي، سيگموييد و شعاعي) در داده هاي طيف سنجي به مدل سازي متغير وابسته روي متغيرهاي پيش بين پرداخته شده است. بر اساس نتايج به دست آمده طبق معيارهاي نيكويي برازش پيشنهادي، مدل رگرسيون بردار پشتيبان با هستۀ خطي و خطاي بهينه شده 0٫2 مناسب ترين برازش را به داده ها داشته است.

انديشه آماري

1401

27

1

53

59-72

بهار و تابستان