Geri Dön

Kısmi en küçük kareler regresyonu

Partial least squares regression

PDF İndir

  1. Tez No: 244977
  2. Yazar: ESRA POLAT
  3. Danışmanlar: PROF. DR. SÜLEYMAN GÜNAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Ayarlama, çoklubağlantı, çok değişkenli ayarlama, Çoklu Doğrusal Regresyon, Kısmi En Küçük Kareler Regresyonu, Ridge Regresyon, Temel Bileşenler Regresyonu, Calibration, multicollinearity, multivariate calibration, Multiple Linear Regression, Partial Least Squares Regression, Ridge Regression, Principal Component Regression
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmanın amacı, Kısmi En Küçük Kareler Regresyonu'nun kullanım alanları ile algoritmalarını tanıtmak, Kısmi En Küçük Kareler Regresyonu ile Çoklu Doğrusal Regresyon, Temel Bileşenler Regresyonu ve Ridge Regresyon yöntemlerini model geçerliğini test etmek için kullanılan ölçüleri kullanarak veriye uyum ve kestirimdeki başarıları bakımından karşılaştırmaktır. Ayrıca ayarlama kavramını tanıtmak ve çok değişkenli ayarlamada genellikle karşılaşılan çoklubağlantı problemiyle baş etmek için kullanılan veri sıkıştırma yöntemlerinden biri olan bilineer yöntemler olarak, Kısmi En Küçük Kareler Regresyonu ile Temel Bileşenler Regresyonu'nu incelemektir.Bu çalışmada çoklubağlantılı veri kümeleri üzerinde yapılan uygulamalar, veriye uyum bakımından Çoklu Doğrusal Regresyon yöntemi daha başarılı olsa bile, amaç gelecek gözlemleri kestirecek bir model elde etmek olduğunda Kısmi En Küçük Kareler Regresyonu, Temel Bileşenler Regresyonu ve Ridge Regresyonu'nun tercih edilebileceğini göstermektedir. Ayrıca genellikle Kısmi En Küçük Kareler Regresyonu'nun daha az bileşen sayısıyla, kestirim bakımından Temel Bileşenler Regresyonu ile aynı ya da ondan daha iyi başarı gösterdiği görülmektedir.

Özet (Çeviri)

The aim of this study is to introduce the usage fields and algorithms of Partial Least Squares Regression, compare the performances of Partial Least Squares Regression with Multiple Linear Regression, Principal Component Regression, Ridge Regression in terms of fitting the model and prediction, by using the measures used for testing the model validation. Furthermore, to introduce the concept of calibration and examine the Partial Least Squares Regression and Principal Component Regression as the bilinear methods that is one of the data compression methods, which are used to cope with multicollinearity problem, usually seen in multivaraite calibration.In this study the applications on data sets having multicollinearity show that, even if the Multiple Linear Regression method performs better in terms of fitting to the data, when the aim is to obtain a model in order to predict the future observations, Partial Least Squares Regression, Principal Component Regression and Ridge Regression may be chosen. Furthermore, it is seen that generally Partial Least Squares Regression shows an equal or better performance in terms of prediction, with fewer components, than Principal Component Regression.

Benzer Tezler

  1. Tez No

    304550

    Çoklu iç ilişki durumunda kısmi en küçük kareler regresyonu ve alternatif yöntemlerle karşılaştırılması

    Comparison of partial least squares regression and it's alternative methods when multicollinearity exists

    YAKUP MURAT BULUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ZEKİ YILDIZ

  2. Tez No

    578199

    Kısmi en küçük kareler regresyonu ve temel bileşenler regresyon yöntemlerinin incelenmesi ve hayvancılıkta uygulaması

    Partial least squares regression and principal components regression investigation methods and applications in animal husbandry

    SEDA AKYÜREK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    ZiraatVan Yüzüncü Yıl Üniversitesi

    Zootekni Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SUNA AKKOL

  3. Tez No

    933292

    Hiperspektral veriler kullanılarak satsuma mandarininde mevsimsel klorofil değişiminin kısmi en küçük kareler regresyonu (PLSR) makine öğrenme algoritması ile modellenmesi

    Modeling seasonal chlorophyll change in satsuma mandarin using hyperspectral data with partial least squares regression (PLSR) machine learning algorithm

    DİLARA AYDUS SARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Mühendislik BilimleriAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    PROF. DR. SAHRİYE SÖNMEZ

  4. Tez No

    292737

    Sol atriyum çapının temel bileşenler regresyonu, kısmi en küçük kareler regresyonu ve yapay sinir ağları ile tahminlerinin karşılaştırılması

    Comparison of the left atrium diameter estimations with principal components regression, partial least squares regression and artificial neural networks metods

    FATMA AŞKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İstatistikFırat Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. CEMİL ÇOLAK

  5. Tez No

    745969

    Tabletlerde parasetamol ve tramadol hidrokloridin ana bileşen regresyonu ve kısmi en küçük kare yöntemleriyle eş zamanlı spektrofotometrik tayini

    Spectrophotometric determination of paracetamol and tramadol hydrochlorid by principal component regression and partial least squares methods

    NERMİN PINARCIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyoteknolojiNecmettin Erbakan Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FAYSAL SELİMOĞLU

Geri Dön