لاسوی مقیاسی شده برای داده های همخط   

سخنران:
جناب آقای دکتر محمد آرشی      
دانشيار گروه آمار دانشگاه فردوسی مشهد   
زمان:
چهارشنبه ۹ مهر ماه ۱۳۹۹ ساعت ۱۰ صبح
آدرس وبینار:
 vroom.um.ac.ir/fakoor

خلاصه:
در مسئله انتخاب مدل، روش های یادگیری ماشینی، در مقایسه با روش های کلاسیک، قابلیت خوبی در پیشگویی دارند. در این میان، روش های آستانه ای از قبیل الاستیک نت که همزمان برای برآورد پارامترهای مدل رگرسیونی و انتخاب متغیر، که نتیجتا انتخاب بهترین مدل را ارائه می دهد، بکار می رود در رویارویی با داده هایی که همبستگی بالایی داشته و به اصطلاح مشکل همخطی داریم بسیار پرکاربرد و بااهمیت است. در این سخنرانی نوعی از روش آستانه ای به نام لاسوی مقیاسی شده را معرفی می کنیم که با ضرب یک ماتریس در برآوردگر لاسو حاصل می شود و از لحاظ کارایی پیشگویی قابل مقایسه با الاستیک نت است. پس از بررسی خواص نظری روش پیشنهادی، کاربرد آن را در تحلیل داده های قوام دهنده آسفالت، در قالب مقایسه با برآوردگرهای لاسو، ریج، و الاستیک نت، بررسی می کنیم.