Verbetering van die voorspellingsakkuraatheid van regressiemodelle met minimale aannames

  • 0

Opsomming

Die voorspellingsakkuraatheid van ’n regressiemodel maak in ’n groot mate staat op die toepaslikheid van die modelbouer se aannames. Daarbenewens kan die teenwoordigheid van uitskieters ook tot modelle lei wat onbetroubaar en dus minder robuust is. In hierdie artikel word ’n regressiemodel wat op minimale aannames gebaseer is, bestudeer en uitgebrei in ’n poging om voorspellingsakkuraatheid te verbeter. Die voorgestelde uitbreidings sluit uitskieteropsporing in wat op wiskundige programmeringstegnieke gebaseer is, asook ’n gladstrykingstegniek wat gebruik word om die koers van verandering in die rigting van ’n funksie te beheer. Die voorgestelde modelleringstegnieke word dan op vier welbekende datastelle uit die literatuur toegepas om hul voorspellingsakkuraatheid te illustreer en te evalueer. Die resultate toon dat die twee uitbreidings die voorspellingsvermoë van die oorspronklike minimale-aanname-regressiemodel (soos deur die gemiddelde absolute afwyking gemeet) aansienlik verbeter het. Die resultate vergelyk ook gunstig met ander modelle, soos stuksgewyse lineêre regressiemodelle.

Trefwoorde: lineêre programmering; robuuste modelle; uitskieteropsporing; stuksgewyse lineêre regressie

 

Klik hier vir die uitgebreide Engelse opsomming en om die volledige artikel in PDF-formaat te lees.
 

 



  • 0

Reageer

Jou e-posadres sal nie gepubliseer word nie. Kommentaar is onderhewig aan moderering.


 

Top