1104

Iⅾentifiⅽation of Infⅼuentiaⅼ Observations for High−Ⅾiⅿensionaⅼ Re− gression

استفاده از روش هاي درستنمايي تاوانيده با تكثير مجموعه داده هاي بعد بالا گسترش يافته است. با اين وجود، هنگامي كه تعداد مشاهداتدر مقايسه با تعداد متغيرهاي كمكي نسبتاً كم است، هر مشاهده اي به طور بالقوه مي تواند تأثير بسزايي روي انتخاب مدل و استنباط داشته باشد. بنابراين، شناسايي و ارزيابي مشاهدات موثر در روش هاي تاوانيده مهم است. در اين مقاله، معيارهاي تأثير براي تشخيص مشاهدات موثر در رگرسيون لاسو بعد بالا كه اخيراً معرفي شده اند، مرور مي شوند. سپس، اين معيارها تحت روش الاستيك نت كه براي بهبود پيش بيني هاي مدل، ويژگي حذف از لاسو و كاهش ضرايب از ريج را تركيب كرده، بررسي مي شوند. از طريق شبيه سازي و مجموعه داده هاي واقعي نشان داده م ي شود كه معيارهاي تأثير معرفي شده به طور كارآمد مشاهدات موثر را شناسايي مي كنند و مي توانند به آشكارسازي روابط پنهان در داده ها كمك كنند.

نشريه علوم آماري

1402

17

2

349-369

پاييز و زمستان