1
دانشآموخته کارشناسی ارشد آمار و علوم کامپیوتر، دانشگاه سمنان، سمنان، ایران
2
دانشکده ریاضی، دانشگاه سمنان، سمنان، ایران
چکیده
مشهورترین تکنیک تحلیل دادههای تابعی رویکرد مؤلفۀهای اصلی تابعی است که ابزاری مهم برای کاهش بعد نیز است. رگرسیون بردار پشتیبان شاخهای از یادگیری ماشین و ابزار قدرتمندی برای تحلیل داده است. در این مقاله با استفاده از رگرسیون مؤلفۀ اصلی تابعی براساس تاوانهای مشتق دوم، ریج و لاسو و با توجه به رگرسیون بردار پشتیبان با چهار هستۀ (خطی، چند جملهای، سیگمویید و شعاعی) در دادههای طیف سنجی به مدلسازی متغیر وابسته روی متغیرهای پیشبین پرداخته شده است. بر اساس نتایج بدست آمده طبق معیارهای نیکویی برازش پیشنهادی، مدل رگرسیون بردار پشتبان با هستۀ خطی و خطای بهینه شده $0.2$مناسبترین برازش را به دادهها داشته است.
روحی,آرتا , جهادی,فاطمه و روزبه,مهدی . (1401). رگرسیون مؤلفۀ اصلی تابعی در مقابل رگرسیون بردار پشتیبان برای تحلیل دادههای طیف سنجی. اندیشه آماری, 27(1), 59-72.
MLA
روحی,آرتا , , جهادی,فاطمه , و روزبه,مهدی . "رگرسیون مؤلفۀ اصلی تابعی در مقابل رگرسیون بردار پشتیبان برای تحلیل دادههای طیف سنجی", اندیشه آماری, 27, 1, 1401, 59-72.
HARVARD
روحی آرتا, جهادی فاطمه, روزبه مهدی. (1401). 'رگرسیون مؤلفۀ اصلی تابعی در مقابل رگرسیون بردار پشتیبان برای تحلیل دادههای طیف سنجی', اندیشه آماری, 27(1), pp. 59-72.
CHICAGO
آرتا روحی, فاطمه جهادی و مهدی روزبه, "رگرسیون مؤلفۀ اصلی تابعی در مقابل رگرسیون بردار پشتیبان برای تحلیل دادههای طیف سنجی," اندیشه آماری, 27 1 (1401): 59-72,
VANCOUVER
روحی آرتا, جهادی فاطمه, روزبه مهدی. رگرسیون مؤلفۀ اصلی تابعی در مقابل رگرسیون بردار پشتیبان برای تحلیل دادههای طیف سنجی. اندیشه آماری, 1401; 27(1): 59-72.