Temat: Nonparametric regression

Skocz do pozycji: 1.

Tytuł:: Metody regresji nieparametrycznej – drzewa regresyjne i regresja jądrow
Nonparametric regression - regression trees and kernel regression
Autorzy:: Wieczorek, Anna
Opis:: The thesis aims to explain methods related to nonparametric regression. Properties of the kernel density estimators have been reviewed. The kernel regression model of Nadaraya and Watson has been presented. The tree regression model has been shown and an algorithm for building random forests has been explained. To conclude the theoretical considerations two examples have been presented, one with sampled data and the other one with real-life data shared by Spotify.
Praca magisterska ma na celu przybliżenie metod z zakresu regresji nieparametrycznej. Przypomniane zostały własności jądrowych estymatorów gęstości. Omówiony został model regresji jądrowej Nadaraya-Watsona. Zaprezentowany został model regresji drzewkowej oraz został rozwinięty o algorytm budowy lasu losowego. Zwieńczeniem pracy są dwa przykłady prezentujące zastosowanie opisanych metod - przykład z wykorzystaniem danych wygenerowanych symulacyjnie oraz przykład zaprezentowany z użyciem danych pochodzących z platformy muzycznej Spotify.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 2.

Tytuł:: Modele regresji nieparametrycznej
Nonparametric regression models
Autorzy:: Kokosiński, Konrad
Opis:: Szacowanie nieznanej funkcji regresji za pomocą dwóch modeli nieparametrycznych, wykorzystujących metody estymacji jądrowej. Pierwszy z nich opiera się na założeniu, że punkty pomiarowe są z góry ustalone i wykorzystuje jeden z estymatorów jądrowych, tj. estymator Gassera-Müllera, do oszacowania szukanej funkcji. W drugim modelu, dane wejściowe eksperymentu są zmiennymi losowymi, a do estymacji nieznanej funkcji jest użyta tak zwana metoda lokalnej liniowej aproksymacji, będąca połączeniem metody najmniejszych kwadratów z estymacją jądrową, której rdzeniem jest estymator Stone'a-Fana. Zbadanie właściwości tych dwóch funkcji aproksymujących i zaprezentowanie ich działania w praktyce, na konkretnym modelu, w celu możliwości dokonania porównania jakości dopasowania tych estymatorów (metod) do szukanej funkcji regresji.
Two nonparametric models, which are based on kernel methods, for estimating the regression function are introduced. First technique refers to a fix design - the predictor variable is known and the response is the only random variable. This approach uses the Gasser-Müller kernel function to estimate unknown regression curve. The second model focuses on a random design - both predictor and response are random variables. In this case, the local polynomial method, which combines the ideas of local linear smoothers and kernel-type estimation, is applied. The Stone-Fan function is the linear/kernel-type smoother which is obtained via this local linear approximation. The performance of these two approaches (estimators) is investigated. Simulations illustrate the described estimation methods.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Informacja

Wyszukujesz frazę "Nonparametric regression" wg kryterium: Temat