عنوان : رگرسیون لاسوی اعتبارسنجی‌شده برای انتخاب ویژگی‌ها
موضوع : علم داده
سایر نویسندگان : سرکار خانم حمیده جاوید (نویسنده مسئول) ,جناب آقای محمدصادق زمانی ,جناب آقای حجت‌اله ذاکرزاده
کد مقاله : csda1-02660230
ارائه دهنده : حمیده جاوید
متن چکیده : تحلیل رگرسیون از روش‌های مهم در مدل‌سازی آماری است که یکی از اهداف آن تعیین میزان تاثیر هر متغیر پیشگو بر روی متغیر پاسخ و انتخاب مجموعه‌ای مناسب از متغیرهای پیشگو برای مدل است. در صورتی که داده‌ها دارای ابعاد بالا و تعداد متغیرهای پیشگو زیاد باشد برای به دست آوردن مدل ساده که تفسیرپذیرتر باشد باید از متغیرهای کمتری استفاده کنیم در نتیجه ضرایبی را که متغیر مربوط به آن تاثیر کمتری بر روی متغیر پاسخ دارند از مدل حذف می‌شوند. روش‌های متعددی برای این کار وجود دارند که یکی از مهمترین روش‌ها رگرسیون لاسو است. در رگرسیون لاسو انتخاب مناسب پارامتر جریمه بسیار مهم است و انتخاب نامناسب آن ممکن است به برآوردگرهایی منجر شود که سازگار نبوده و یا دارای نرخ همگرایی کند باشند. یکی از راه‌های مناسب انتخاب پارامتر جریمه، استفاده از روش اعتبارسنجی متقابل است. در این مقاله از رگرسیون لاسوی اعتبارسنجی‌شده برای انتخاب ویژگی‌ها و کاهش بعد داده‌ها جهت پیش‌بینی روند قیمت سهام شرکت‌های مرتبط با شاخص اس‌اندپی ۵۰۰ استفاده می‌شود.