Отрывок: pred = wine[, wine.pred.names] set .seed(1) train=sample(1:nrow(wine.pred), nrow(wine.pred)/2) test=(-train) x = model.matrix(~., wine.pred[train, ]) [, -1] y = wine$quality[train] x. test = model.matrix(~., wine.pred[test, ]) [, -1] y. test = wine$quality[test] Матрицу значений предикторов для обучающей выборки мы будем хранить в переменной x, а отклик в переменной y. Для контрольной выборки мы используем переменные x.test и y.test. Регрессионную МНК-модель можно п...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorМелкумова, Л.Э.-
dc.contributor.authorШатских, С.Я.-
dc.date.accessioned2017-05-25 13:46:11-
dc.date.available2017-05-25 13:46:11-
dc.date.issued2017-
dc.identifierDspace\SGAU\20170523\64145ru
dc.identifier.citationМелкумова Л.Э. Сравнение методов Ридж-регрессии и LASSO в задачах обработки данных / Л.Э. Мелкумова, С.Я. Шатских // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С.1748-1755.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Sravnenie-metodov-Ridzhregressii-i-LASSO-v-zadachah-obrabotki-dannyh-64145-
dc.description.abstractРабота посвящена сравнению методов линейной регрессии Ридж и LASSO. Преимущества каждого из этих методов рассматриваются на примерах тестовых данных с вычислениями в пакете R.ru
dc.description.sponsorshipРабота выполнена при поддержке РФФИ (грант № 16-41-630-676, грант № 16-01-00184А).ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.subjectлинейная регрессияru
dc.subjectРидж-регрессияru
dc.subjectLASSOru
dc.subjectкросс-валидацияru
dc.titleСравнение методов Ридж-регрессии и LASSO в задачах обработки данныхru
dc.typeArticleru
dc.textpartpred = wine[, wine.pred.names] set .seed(1) train=sample(1:nrow(wine.pred), nrow(wine.pred)/2) test=(-train) x = model.matrix(~., wine.pred[train, ]) [, -1] y = wine$quality[train] x. test = model.matrix(~., wine.pred[test, ]) [, -1] y. test = wine$quality[test] Матрицу значений предикторов для обучающей выборки мы будем хранить в переменной x, а отклик в переменной y. Для контрольной выборки мы используем переменные x.test и y.test. Регрессионную МНК-модель можно п...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Описание Размер Формат  
paper 315_1748-1755.pdfОсновная статья. Раздел: Наука о данных1.08 MBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.