National and Kapodistrian University of Athens
The lasso regression method and extensions
Abstract
dc:descriptionΣτην εργασία θα μελετηθούν σύγχρονες μέθοδοι κανονικοποίησης για γραμμικά μοντέλα παλινδρόμησης, με έμφαση στις τεχνικές Lasso, Adaptive Lasso και Fused Lasso. Οι μέθοδοι αυτές έχουν αναδειχθεί ως βασικά εργαλεία στην ανάλυση δεδομένων υψηλής διάστασης, όπου ο αριθμός των μεταβλητών είναι μεγάλος σε σχέση με το μέγεθος του δείγματος. Αρχικά θα μελετηθεί η κλασική μέθοδος Lasso, η οποία επιτρέπει την ταυτόχρονη εκτίμηση των παραμέτρων και την επιλογή μεταβλητών, οδηγώντας σε αραιά μοντέλα με βελτιωμένη ερμηνευσιμότητα. Στη συνέχεια θα εξεταστούν επεκτάσεις της βασικής μεθόδου. Μια σημαντική επέκταση είναι η Adaptive Lasso, που εισάγει προσαρμοσμένα βάρη στις ποινές των συντελεστών, επιτυγχάνοντας καλύτερες ιδιότητες ως προς την ορθότητα επιλογής των σημαντικών μεταβλητών. Μια δεύτερη μέθοδος είναι η Fused Lasso, η οποία, πέρα από την επιλογή μεταβλητών, ενσωματώνει πληροφορία δομής μεταξύ των μεταβλητών, ενθαρρύνοντας την ομαδοποίηση γειτονικών συντελεστών. Η ιδιότητα αυτή καθιστά τη μέθοδο ιδιαίτερα κατάλληλη για δεδομένα με φυσική διάταξη, όπως χρονοσειρές ή χωρικά δεδομένα. Θα γίνει συγκριτική αξιολόγηση των παραπάνω μεθόδων ως προς την ικανότητα επιλογής μεταβλητών, την πρόβλεψη και την ερμηνευσιμότητα των αποτελεσμάτων. Τέλος, θα προγραμματιστμούν εφαρμογές σε πραγματικά ή προσομοιωμένα δεδομένα, αναδεικνύοντας τα πλεονεκτήματα και τους περιορισμούς κάθε προσέγγισης.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΡΟΝΤΕ-ΓΚΟΥΡΟΜΙΧΟΣ ΦΙΛΙΠΠΟΣ-ΣΙΜΩΝ
- ROHDE-GKOUROMICHOS FILIPPOS-SIMON
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5422966