ترجمه کتاب مدلهایی برای رگرسیون

توضیحات

عنوان فارسی: مدلهایی برای رگرسیون

عنوان انگلیسی:

LINEAR MODELS FOR REGRESSION

تا به حال تمرکز این کتاب بر روی عناوینی مانند خوشه بندی داده و تقریب چگالی در یادگیری مشاهده نشده بود. اکنون به بحث یادگیری مشاهده شده میپردازیم که با رگرسیون آغاز میشود. هدف رگرسیون پیش بینی مقدار متغیر هدف پیوسته t است در حالیکه مقدار بردار Dبعدی x در متغیرهای ورودی داده  شده است. مثالی از مساله رگرسیون را با در نظر گرفتن برازش منحنی چندجمله ای فصل 1 مطرح خواهیم کرد.این چندجمله ای یک مثال خاص از یک کلاس وسیع از توابعی است که مدل های رگرسیون خطی نامیده میشوند.ساده ترین فرم از مدل های رگرسیون خطی نیز تابع خطی از متغیرهای ورودی است.در هر حال میتوانیم با ترکیب خطی یک دسته ثابت از توابع غیر خطی از متغیرهای ورودی که توابع اصلی نامیده میشوند ، کلاس های مفید تری از توابع را بدست بیاوریم.چنین مدل هایی توابع خطی از پارامترهایی هستند که به آنها خواص تحلیلی ساده میدهند و هنوز میتوانند نسبت به متغیر های ورودی غیر خطی باشند.

در یک دسته تعلیم متشکل از N مشاهده  که  است به همراه مقادیر هدف متناظر  داده شده ، هدف پیشگویی مقدار t برای یک مقدار جدید x است.در ساده ترین دستاورد ، این کار را میتوان به طور مستقیم با ساخت یک تابع مناسب y(x) که مقدار آنها برای ورودی جدید x ،برابر پیشگویی مقادیر متناظر t است.در حالت کلی از دید احتمالی ،هدف ما مدلسازی توزیع پیشگویی  است چون عدم قطعیت ما را درباره مقدار t برای هر مقدار x بیان میکنند.میتوانیم از این توزیع شرطی t را برای هر مقدار x با روشی مانند حداق کردن امید ریاضی تابع اتلاف مناسب ، پیشگویی کنیم.همانطور که در بخش 1.5.5 بحث شد ، یکی از متداولترین انتخابها برای تابع اتلاف متغیرهای مقدار واقعی ، اتلاف مربعی است که در ان جواب بهینه توسط امید شرطی t داده شده است.

اگر چه مدل های خطی محدودیت های مهمی مانند در تکنیک های عملی بازشناسی الگو به خصوص در مورد فضاهای ورودی با بعد بزرگ دارند ولی خواص تئوری خوبی دارند و اساس بسیاری از مدل های پیچیده محسوب میشوند.

توجه:

• برای دانلود فایل word کامل ترجمه لطفا اقدام به خرید فرمایید.
• پس از خرید بلافاصله لینک دانلود فایل برای شما ایمیل خواهد شد.