Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Ridge Regression" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Predict manoeuvring indices using AIS data by ridge regression
    Autorzy:
    Mou, J.
    Tang, G.
    Rong, H.
    Yue, X.
    Powiązania:
    https://bibliotekanauki.pl/articles/359863.pdf
    Data publikacji:
    2013
    Wydawca:
    Akademia Morska w Szczecinie. Wydawnictwo AMSz
    Tematy:
    ridge regression
    manoeuvring
    AIS data
    prediction
    collision avoidance
    Opis:
    The ridge regression is presented for identify manoeuvring indices in Nomoto’s model, and the result indicates that the method is robust and does not rely on initial estimation. For selecting appropriate AIS data for manoeuvring indices predicting, a frequency domain identification method is presented.
    Źródło:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2013, 36 (108) z. 2; 137-142
    1733-8670
    2392-0378
    Pojawia się w:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Relationship between ridge regression estimator and sample size when multicollinearity present among regressors
    Autorzy:
    Alibuhtto, M. C.
    Powiązania:
    https://bibliotekanauki.pl/articles/1192721.pdf
    Data publikacji:
    2016
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    Exponential
    Multicollinearity
    Variance Influence Factor
    Ridge Regression
    Simulation
    Opis:
    The problem of multicollinearity is the most common problem in multiple regression models as in such cases, the ordinary least squares (OLS) estimator is inaccurately estimated. Of many methods suggested to solve the problem of multicollinearity, ridge regression method is a one of popular method. In this paper, simulation data with different level of correlation coefficient were generated using Monte Carlo techniques in SAS. The level of multicollinearity was detected by correlation matrix, variance influence factor (VIF) and condition number. The biased parameter (k) of ridge regression has been computed by using iterative method for ordinary ridge regression in different sample sizes. According to the results of this study, it was found that biased parameter (k) of ridge regression and sample sizes are significantly negatively correlated at level of 5% significance. This study would helpful to develop biased parameter table for different level of sample sizes in present of multicollinearity.
    Źródło:
    World Scientific News; 2016, 59; 12-23
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient two-parameter estimator in linear regression model
    Autorzy:
    Dorugade, Ashok V.
    Powiązania:
    https://bibliotekanauki.pl/articles/1194454.pdf
    Data publikacji:
    2019-07-02
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    multicollinearity
    ridge regression
    two-parameter estimator
    mean squared error
    Opis:
    In this article, two-parameter estimators in linear model with multicollinearity are considered. An alternative efficient two-parameter estimator is proposed and its properties are examined. Furthermore, this was compared with the ordinary least squares (OLS) estimator and ordinary ridge regression (ORR) estimators. Also, using the mean squares error criterion the proposed estimator performs more efficiently than OLS estimator, ORR estimator and other reviewed two-parameter estimators. A numerical example and simulation study are finally conducted to illustrate the superiority of the proposed estimator.
    Źródło:
    Statistics in Transition new series; 2019, 20, 2; 173-185
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A novel method for invariant image reconstruction
    Autorzy:
    Pawlak, Mirosław
    Panesar, Gurmukh Singh
    Korytkowski, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/2031146.pdf
    Data publikacji:
    2021
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    object representation
    invariant features
    symmetry
    radial orthogonal moments
    continuous symmetry
    ridge regression
    Opis:
    In this paper we propose a novel method for invariant image reconstruction with the properly selected degree of symmetry. We make use of Zernike radial moments to represent an image due to their invariance properties to isometry transformations and the ability to uniquely represent the salient features of the image. The regularized ridge regression estimation strategy under symmetry constraints for estimating Zernike moments is proposed. This extended regularization problem allows us to enforces the bilateral symmetry in the reconstructed object. This is achieved by the proper choice of two regularization parameters controlling the level of reconstruction accuracy and the acceptable degree of symmetry. As a byproduct of our studies we propose an algorithm for estimating an angle of the symmetry axis which in turn is used to determine the possible asymmetry present in the image. The proposed image recovery under the symmetry constraints model is tested in a number of experiments involving image reconstruction and symmetry estimation.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2021, 11, 1; 69-80
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Model regresji grzbietowej i jego wykorzystanie do oceny ryzyka inwestycyjnego - przypadek rynku metali
    Ridge regression model and its application in investment risk assessment - the case of metals market
    Autorzy:
    Krężołek, Dominik
    Powiązania:
    https://bibliotekanauki.pl/articles/590856.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Model regresji
    Regresja grzbietowa
    Rynek metali
    Ryzyko
    Współliniowość
    Co-linearity
    Metals market
    Regression model
    Ridge regression
    Risk
    Opis:
    Modele regresji są powszechnie wykorzystywanymi narzędziami statystyki, a także innych nauk ilościowych, służącymi do wykrywania związków w obrębie analizowanych danych oraz do prowadzenia predykcji wielkości zestawu zmiennych objaśnianych na podstawie realizacji zestawu zmiennych objaśniających. Istnieje wiele metod umożliwiających szacowanie nieznanych parametrów modeli regresji, m.in. MNK, MNW, MM, jednakże nie zawsze uzyskane estymatory spełniają wymagane założenia (co do swoich własności oraz co do własności modelu). Istotny stopień współliniowości uniemożliwia właściwe wnioskowanie na podstawie modeli klasycznych. W artykule podjęto próbę wykorzystania regresji grzbietowej do modelowania ryzyka inwestycji na rynku metali. Model wykorzystuje parametr kary, umożliwiający redukcję zmiennych współliniowych, a tym samym uzyskanie prostszej postaci funkcji regresji. Dodatkowo zmniejsza się obciążenie oraz wariancja estymatorów parametrów modelu.
    Regression models are commonly used statistical tool (and other quantitative sciences), which allows for modelling relations within analyzed datasets. One of their most important features is the prediction property. In the literature there are a lot of methods for estimating unknown parameters of regression models, e.g. Maximum Likelihood, Ordinary Least Squares etc., but estimated parameters not always meet the required assumptions (regarding their properties itself and the properties of selected model). Colinearity between data prevents from correct inferring using classical models. The aim of the article is the application of ridge regression model in risk assessment on the metals market. The model uses so-called penalty parameter allowing for elimination of co-linear variables and makes the model more simpler. Additionally, the bias of the estimators and their variances reduce.
    Źródło:
    Studia Ekonomiczne; 2016, 288; 21-32
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Extracting relevant predictors of the severity of mental illnesses from clinical information using regularisation regression models
    Autorzy:
    Kaushik, Sakshi
    Sabharwal, Alka
    Grover, Gurprit
    Powiązania:
    https://bibliotekanauki.pl/articles/2107145.pdf
    Data publikacji:
    2022-06-14
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    adaptive LASSO
    group LASSO
    mental disorder
    multicollinearity
    random forest imputation
    ridge regression
    severity of an illness
    Opis:
    Mental disorders are common non-communicable diseases whose occurrence rises at epidemic rates globally. The determination of the severity of a mental illness has important clinical implications and it serves as a prognostic factor for effective intervention planning and management. This paper aims to identify the relevant predictors of the severity of mental illnesses (measured by psychiatric rating scales) from a wide range of clinical variables consisting of information on both laboratory test results and psychiatric factors . The laboratory test results collectively indicate the measurements of 23 components derived from vital signs and blood tests results for the evaluation of the complete blood count. The 8 psychiatric factors known to affect the severity of mental illnesses are considered, viz. the family history, course and onset of an illness, etc. Retrospective data of 78 patients diagnosed with mental and behavioural disorders were collected from the Lady Hardinge Medical College & Smt. S.K, Hospital in New Delhi, India. The observations missing in the data are imputed using the non-parametric random forest algorithm. The multicollinearity is detected based on the variance inflation factor. Owing to the presence of multicollinearity, regularisation techniques such as ridge regression and extensions of the least absolute shrinkage and selection operator (LASSO), viz. adaptive and group LASSO are used for fitting the regression model. Optimal tuning parameter λ is obtained through 13-fold cross-validation. It was observed that the coefficients of the quantitative predictors extracted by the adaptive LASSO and the group of predictors extracted by the group LASSO were comparable to the coefficients obtained through ridge regression.
    Źródło:
    Statistics in Transition new series; 2022, 23, 2; 129-152
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An improved ridge type estimator for logistic regression
    Autorzy:
    Varathan, Nagarajah
    Powiązania:
    https://bibliotekanauki.pl/articles/2108296.pdf
    Data publikacji:
    2022-09-14
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    Logistic Regression
    Multicollinearity
    ridge estimator
    Modified almost unbiased ridge logistic estimator
    Mean square error
    Opis:
    In this paper, an improved ridge type estimator is introduced to overcome the effect of multicollinearity in logistic regression. The proposed estimator is called a modified almost unbiased ridge logistic estimator. It is obtained by combining the ridge estimator and the almost unbiased ridge estimator. In order to asses the superiority of the proposed estimator over the existing estimators, theoretical comparisons based on the mean square error and the scalar mean square error criterion are presented. A Monte Carlo simulation study is carried out to compare the performance of the proposed estimator with the existing ones. Finally, a real data example is provided to support the findings.
    Źródło:
    Statistics in Transition new series; 2022, 23, 3; 113-126
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies