6533b830fe1ef96bd12974e2
RESEARCH PRODUCT
Piemērotāko soda funkciju izvēle dažādām datu kopām loģistiskās regresijas modeļos
Alīna Koniševskasubject
Loģistiskā regresijaMatemātikaAUC precizitātes mērsKores soda funkcijaAUCPR precizitātes mērsLasso soda funkcijadescription
Prognozējošie modeļi tiek aktīvi izmantoti daudzās sfērās - medicīnā, zinātnē, biznesā u.c. Bieži notikums, kas ir jāprognozē, pieņem divas vērtības, kas apraksta notikuma izpildīšanos vai neizpildīšanos; to ļoti bieži prognozē ar loģistiskās regresijas palīdzību. Svarīgs faktors piemērotākā modeļa izvēlē ir modeļa vispārināmība, lai nodrošinātu augstu precizitāti uz jauniem datiem. Vēl viens svarīgs faktors ir vislabāk prognozējošo prediktoru atlase, lai modeli padarītu vienkāršāku un labāk izprotamu. Viens no veidiem, kā to paveikt, ir izmantot regresijas soda funkcijas. Nepieciešams izprast kādām datu kopām konkrētās soda funkcijas ir visatbilstošākās un sniedz visaugstāko precizitāti, lai samazinātu aprēķināšanā patērēto laiku lielām datu kopām. Darbā apskatītas vienkāršākās un biežāk izmantotās soda funkcijas, kas vispārina loģistiskās regresijas modeli, kā arī apskatīti piemērotāko soda funkciju atlases piemēri trīs datu kopām. Atslēgas vārdi: loģistiskā regresija, AUC precizitātes mērs, AUCPR precizitātes mērs, kores soda funkcija, Lasso soda funkcija, elastīgais tīkls.
| year | journal | country | edition | language |
|---|---|---|---|---|
| 2021-01-01 |