جستجوی پیشرونده: نظریه و تجزیه و تحلیل داده ها

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

جستجوی پیشرونده: نظریه و تجزیه و تحلیل داده ها

عنوان لاتین

The forward search: Theory and data analysis

تحقیق پیش رو یک روش کلی قدرتمند است که شامل برش داده های انعطاف پذیر با قابلیت انعطاف پذیری برای شناسایی ناپایدارها و ساختار نامنظم در داده ها و غیره برای ساخت مدل های قوی است. با توجه به زیر مجموعه های کوچکی از داده ها، مشاهدات نزدیک به مدل نصب شده به مشاهدات مورد استفاده در برآورد پارامتر اضافه می شوند. همانگونه که این زیر مجموعه رشد می کند، ما برآورد پارامترها، آمار تست و اندازه گیری های مناسب مانند سایر موارد را نظارت می کنیم. در این مقاله، توسعه نظری در کار بر روی جستجوی پیشین طی دهه گذشته بررسی شده است. تصویر اصلی یک نمونه رگرسیون با 330 مشاهدات و 9 متغیر توضیحی بالقوه است. همچنین ذکر شده است از روش های داده های چند متغیره، از جمله خوشه بندی، تجزیه و تحلیل سری سری و تشخیص تقلب استفاده شود.

The Forward Search is a powerful general method, incorporating flexible data-driven trimming, for the detection of outliers and unsuspected structure in data and so for building robust models. Starting from small subsets of data, observations that are close to the fitted model are added to the observations used in parameter estimation. As this subset grows we monitor parameter estimates, test statistics and measures of fit such as residuals. The paper surveys theoretical development in work on the Forward Search over the last decade. The main illustration is a regression example with 330 observations and 9 potential explanatory variables. Mention is also made of procedures for multivariate data, including clustering, time series analysis and fraud detection.