ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تصغير مجموع مربعات الخطأ في نم...>الوصف

تصغير مجموع مربعات الخطأ في نموذج الانحدار الخطي المتعدد باستخدام الخوارزمية الجينية

العنوان المترجم: Minimizing the Sum of Squared Errors in The Multiple Linear Regression Model Using Genetic Algorithm
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: ثابت، همسة معن محمد (مؤلف)
المجلد/العدد: مج27, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2018
الصفحات: 118 - 129
DOI: 10.33899/edusj.2018.147585
ISSN: 1812-125X
رقم MD: 1201489
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
النماذج الإحصائية | نماذج الإنحدار الخطي | مجموع مربعات الخطأ | الخوارزمية الجينية
كلمات المؤلف المفتاحية:
Multiple Linear Regression | Genetic Algorithm | Statistics
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تعد نماذج الانحدار من أكثر وأهم النماذج الإحصائية استخداما في معرفة العلاقة بين المتغيرات من خلال البيانات المتاحة والتي يمكن تطبيقها في مجالات العلوم المختلفة. في كثير من هذه التطبيقات يكون هنالك متغير معتمد ومتغيرات مستقلة والعلاقة الخطية بينهم تم تمثيلها من خلال دالة انحدار خطي نتعدد، حيث يمكن التنبؤ بقيم المتغير المعتمد عندما تأخذ المتغيرات المستقلة قيما معينة، أما معلمات النموذج فإنها تقدر من خلال تقليل مربعات الانحراف بين قيم التغير المعتمد الفعلية والمقدرة. في هذا البحث قمنا باستخدام الخوارزمية الجينية لإيجاد أقل مجموع مربعات انحرافات، حيث تم تطبيقها على بيانات مختلفة في تطبيقات عدة، تمكنا بواسطة الخوارزمية الجينية أن نحقق أقل مجموع لمربعات الأخطاء وتقدير قيم المعلمات للنموذج.

Regression models are regarded as the most important ones used in statistical models in defining the relation among variables through the available data which can be applied to various sciences. In most of these applications, there is a dependent variable and independent variables and the linear relation between them represents multiple linear regression function. The values of the dependent variable can be predicted when the independent variables take definite values and the model's parameters are estimated through minimizing deviation of squares among the values of the real and estimated data. In this research we use the genetic algorithm to find the minimum sum of error squares, where they are applied to different data in many applications. The genetic algorithm is able to achieve the minimum sum of error squares and estimating the parameters of the model.
ISSN: 1812-125X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.