ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > اختيار المتغيرات في نموذج الان...>الوصف

اختيار المتغيرات في نموذج الانحدار اللوجستي باستخدام خوارزمية اليراعات المضيئة المعدلة

العنوان بلغة أخرى: Variable Selection in Logistic Regression Model Using Modified Firefly Algorithms
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: داؤد، هبة سليمان (مؤلف)
المؤلف الرئيسي (الإنجليزية): Dawoud, Hebah Suleiman
المجلد/العدد: مج21, ع1
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الصفحات: 151 - 159
ISSN: 1680-855X
رقم MD: 1480048
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الانحدار اللوجستي | القيم الصفرية | التوزيع الأسي | المتوسط الحسابي
كلمات المؤلف المفتاحية:
اختيار المتغيرات | خوارزمية اليراع المضيئة | المحاكاة | انموذج الانحدار الأسي | Selection of Variables | Firefly Algorithm | Simulation | Exponential Regression Model
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يعتبر نموذج الانحدار اللوجستي هو الأكثر استخداما في العديد من التطبيقات، وهو من النماذج الرئيسية في عائلة النماذج الخطية المعممة.. وكغيره من سائر نماذج الانحدار، قد يحتوي النموذج على متغيرات مستقلة كثيرة ما يؤثر سلبا على دقة النموذج وبساطته في تفسير النتائج. تهدف هذه الدراسة إلى استخدام خوارزمية اليراع المضيئة المعدلة ومقارنتها مع طرائق أخرى في اختيار المتغيرات في نموذج الانحدار الأسي باستخدام المحاكاة والبيانات الحقيقة. وأظهرت النتائج أنه بالمقارنة مع الطرائق الأخرى المستخدمة سابقا، فإن الأسلوب المقترح يؤدي أداء أفضل ويساعد على خفض متوسط مربع الخطأ للنموذج.

The logistic regression model is considered the most widely used in many applications, and it is one of the main models in the family of generalized linear models. Like other regression models, the model may contain many independent variables, which negatively affects the accuracy of the model and its simplicity in interpreting the results. This study aims to use the modified firefly algorithm and compare it with other methods for selecting variables in an exponential regression model using simulation and real data. The results showed that compared to other previously used methods, the proposed method performs better and helps reduce the mean square error of the model.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.