كفاءة نموذج kNN باستخدام تحليل المكون الرئيسي الدالي في الانحدار الدالي اللامعلمي
DOI:
https://doi.org/10.21123/bsj.2022.6476الكلمات المفتاحية:
الانحدار اللا معلمي، تحليل البيانات الوظيفية، الاستجابة متعددة المتغيرات، تحليل المكونات الأساسية٬ مخمن KNNالملخص
يهتم هذا البحث بتعزيز وتحسين القدرة التنبؤية لنماذج الانحدار الدالي اللا معلمي من خلال مجموعة المنهجيات المقترحة تطبيقاً و نظرياً وهي استخدام تحليل المكون الرئيسي الدالي لتقليل الارتباط بين متغيرات متعدد الاستجابة وتستند معادلة التقدير Nadaraya-Watson (k- nearest neighbour(KNN)) للتنبؤ باستخدام طريقتين وهي المشتقة الثانية وتحليل المكون الرئيسي الدالي من شبه المقياس لقياس المسافة بين المنحنيات. تم تقديرمطلق متوسط الاخطاء التربيعية للقيم المتوقعة لقياس كفاءة التنبؤ ومقارنتها مغ الاستجابة المستقلة. تم استخدام برنامج R لتحليل البيانات. عندما تكون المتغيرات المشتركة وظيفية وتم استخدام تحليل المكون الرئيسي لفك الارتباط . تم التطبيق على مثالين الاول حقيقي والمثال الثاني لبيانات مولدة تجريبياً. اثبتت النتائج ان استجابات اللا معلمية متعددة المتغيرات اكثر كفاءة من تطبيق التحليل اللا معلمي احادي المتغير لكل استجابة بشكلٍ مستقل.
Received 6/7/2021
Accepted 23/8/2022
Published Online First 25/11/2022
المراجع
Ramsay JO, Silverman BW . Functional Data Analysis. 2nd Ed., Springer, New York. 2005. https://link.springer.com/book/10.1007/b98888
Cao G, Wang S, Wang L. Estimation and inference for functional linear regression models with partially varying regression coefficients. Stat. 2020; 9(1): e286.
Klepsch J, Klüppelberg C. An innovations algorithm for the prediction of functional linear processes. J Multivar Anal. 2017 Mar 1; 155: 252-71.
Chiou J M, Müller H G, Wang J L. Functional response models. Stat Sin. 2004: 675–693.
Wang B, Xu A. Gaussian process methods for nonparametric functional regression with mixed predictors. Comput Stat Data Anal. 2019 Mar 1; 131: 80-90.
Górecki T, Krzyśko M, Waszak Ł, Wołyński W. Selected statistical methods of data analysis for multivariate functional data. Stat Pap. 2018 Mar; 59(1): 153-82.
Alheety MI. New versions of liu-type estimator in weighted and non-weighted mixed regression model. Baghdad Sci J. 2020 Mar 18; 17(1 (Suppl.)): 0361-.
Ferraty F, Vieu P. Nonparametric functional data analysis: theory and practice. SSBM. springer series in statistic. 2006 https://books.google.iq/books/about/Nonparametric_Functional_Data_Analysis.html?id=lMy6WPFZYFcC&printsec=frontcover&source=kp_read_button&hl=en&redir_esc=y.
Ferraty F, Vieu P. Nonparametric models for functional data, with application in regression, time series prediction and curve discrimination. J Nonparametr Stat. 2004 Feb 1; 16(1-2): 111-25.
Chowdhury J, Chaudhuri P. Nonparametric depth and quantile regression for functional data. Bernoulli. 2019 Feb; 25(1): 395-423.
Ahmed MS, N'diaye M, Attouch MK, Dabo-Niang S. k-nearest neighbors prediction and classification for spatial data. arXiv preprint arXiv:1806.00385. 2018 Jun 1.
Dai W, Genton MG. Multivariate functional data visualization and outlier detection. J Comput Graph Stat . 2018 Oct 2; 27(4): 923-34.
Doori A. Hazard Rate Estimation Using Varying Kernel Function for Censored Data Type I. Baghdad Sci J. 2019 Sep 23; 16(3 (Suppl.)): 0793-.
Lam KK, Wang B. Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches. Forecasting 2021; 3(1): 207-227; https://doi.org/10.3390/forecast3010013
Chaouch M, Laïb N. Nonparametric multivariate L_1-median regression estimation with functional covariates. Electron. 2013 ; 7: 1553-1586.
Wang B, Chen T, Xu A. Gaussian process regression with functional covariates and multivariate response. Chemometr Intell Lab Syst. 2017; Apr; 163: 1-6.
Xiang D, Qiu P, Pu X. Nonparametric regression analysis of multivariate longitudinal data. Stat Sin. 2013 Apr 1: 769-89.
Omar KM, Wang B. Nonparametric regression method with functional covariates and multivariate response. Commun Stat Theory Methods. 2019 Jan 17; 48(2): 368-80.
Sugianto S, Rusdi M. Functional Data Analysis: An Initiative Approach for Hyperspectral Data. J Phys Conf Ser. 2019 Nov 1; 1363(1) : 012087.
Shang HL. Bayesian bandwidth estimation and semi-metric selection for a functional partial linear model with unknown error density. J Appl Stat. 2021 Mar 12; 48(4): 583-604.
Rinnan R, Rinnan Å. Application of near infrared reflectance (NIR) and fluorescence spectroscopy to analysis of microbiological and chemical properties of arctic soil. Soil Biol Biochem. 2007 Jul 1; 39(7): 1664-73.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2022 مجلة بغداد للعلوم
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
