Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков

Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков

Предложен метод построения нечеткой регрессионной модели на основе LARS. Рассмотрены особенности использования нечеткого регрессионного анализа в задачах медицинской диагностики. Данный метод позволяет сократить число параметров модели, влияющих на прогнозируемую степень обструкции носового дыхания...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Кибернетика и системный анализ
Дата:2016
Автори: Ерохин, А.Л., Бабий, А.С., Нечипоренко, А.С., Турута, А.П.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2016
Теми:
Программно-технические комплексы
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/142009
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков / А.Л. Ерохин, А.С. Бабий, А.С. Нечипоренко, А.П. Турута // Кибернетика и системный анализ. — 2016. — Т. 52, № 4. — С. 167-173. — Бібліогр.: 25 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-142009
record_format dspace
spelling Ерохин, А.Л.
Бабий, А.С.
Нечипоренко, А.С.
Турута, А.П.
2018-09-19T19:36:33Z
2018-09-19T19:36:33Z
2016
Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков / А.Л. Ерохин, А.С. Бабий, А.С. Нечипоренко, А.П. Турута // Кибернетика и системный анализ. — 2016. — Т. 52, № 4. — С. 167-173. — Бібліогр.: 25 назв. — рос.
0023-1274
https://nasplib.isofts.kiev.ua/handle/123456789/142009
004.942:616-073.175
Предложен метод построения нечеткой регрессионной модели на основе LARS. Рассмотрены особенности использования нечеткого регрессионного анализа в задачах медицинской диагностики. Данный метод позволяет сократить число параметров модели, влияющих на прогнозируемую степень обструкции носового дыхания и избежать «перетренированности» модели.
Запропоновано метод побудови нечіткої регресійної моделі на основі LARS. Розглянуто особливості використання нечіткого регресійного аналізу у задачах медичної діагностики. Цей метод дозволяє скоротити число параметрів моделі, які впливають на прогнозований ступінь обструкції носового дихання, а також уникнути «перетренованості» моделі.
The paper proposes a method to construct a fuzzy regression model based on the LARS. The features of the use of fuzzy regression analysis for medical diagnosis are considered. The proposed method can reduce the number of model parameters affecting the projected degree of obstruction of nasal breathing and allows one to avoid “overtraining” of the model.
ru
Інститут кібернетики ім. В.М. Глушкова НАН України
Кибернетика и системный анализ
Программно-технические комплексы
Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
Метод побудови нечіткої регресійної моделі на основі LARS для вибору значимих ознак
The method to construct fuzzy regression model based on LARS for selection of significant features
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
spellingShingle Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
Ерохин, А.Л.
Бабий, А.С.
Нечипоренко, А.С.
Турута, А.П.
Программно-технические комплексы
title_short Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
title_full Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
title_fullStr Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
title_full_unstemmed Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков
title_sort метод построения нечеткой регрессионной модели на основе lars для выбора значимых признаков
author Ерохин, А.Л.
Бабий, А.С.
Нечипоренко, А.С.
Турута, А.П.
author_facet Ерохин, А.Л.
Бабий, А.С.
Нечипоренко, А.С.
Турута, А.П.
topic Программно-технические комплексы
topic_facet Программно-технические комплексы
publishDate 2016
language Russian
container_title Кибернетика и системный анализ
publisher Інститут кібернетики ім. В.М. Глушкова НАН України
format Article
title_alt Метод побудови нечіткої регресійної моделі на основі LARS для вибору значимих ознак
The method to construct fuzzy regression model based on LARS for selection of significant features
description Предложен метод построения нечеткой регрессионной модели на основе LARS. Рассмотрены особенности использования нечеткого регрессионного анализа в задачах медицинской диагностики. Данный метод позволяет сократить число параметров модели, влияющих на прогнозируемую степень обструкции носового дыхания и избежать «перетренированности» модели. Запропоновано метод побудови нечіткої регресійної моделі на основі LARS. Розглянуто особливості використання нечіткого регресійного аналізу у задачах медичної діагностики. Цей метод дозволяє скоротити число параметрів моделі, які впливають на прогнозований ступінь обструкції носового дихання, а також уникнути «перетренованості» моделі. The paper proposes a method to construct a fuzzy regression model based on the LARS. The features of the use of fuzzy regression analysis for medical diagnosis are considered. The proposed method can reduce the number of model parameters affecting the projected degree of obstruction of nasal breathing and allows one to avoid “overtraining” of the model.
issn 0023-1274
url https://nasplib.isofts.kiev.ua/handle/123456789/142009
citation_txt Метод построения нечеткой регрессионной модели на основе LARS для выбора значимых признаков / А.Л. Ерохин, А.С. Бабий, А.С. Нечипоренко, А.П. Турута // Кибернетика и системный анализ. — 2016. — Т. 52, № 4. — С. 167-173. — Бібліогр.: 25 назв. — рос.
work_keys_str_mv AT erohinal metodpostroeniânečetkoiregressionnoimodelinaosnovelarsdlâvyboraznačimyhpriznakov
AT babiias metodpostroeniânečetkoiregressionnoimodelinaosnovelarsdlâvyboraznačimyhpriznakov
AT nečiporenkoas metodpostroeniânečetkoiregressionnoimodelinaosnovelarsdlâvyboraznačimyhpriznakov
AT turutaap metodpostroeniânečetkoiregressionnoimodelinaosnovelarsdlâvyboraznačimyhpriznakov
AT erohinal metodpobudovinečítkoíregresíinoímodelínaosnovílarsdlâviboruznačimihoznak
AT babiias metodpobudovinečítkoíregresíinoímodelínaosnovílarsdlâviboruznačimihoznak
AT nečiporenkoas metodpobudovinečítkoíregresíinoímodelínaosnovílarsdlâviboruznačimihoznak
AT turutaap metodpobudovinečítkoíregresíinoímodelínaosnovílarsdlâviboruznačimihoznak
AT erohinal themethodtoconstructfuzzyregressionmodelbasedonlarsforselectionofsignificantfeatures
AT babiias themethodtoconstructfuzzyregressionmodelbasedonlarsforselectionofsignificantfeatures
AT nečiporenkoas themethodtoconstructfuzzyregressionmodelbasedonlarsforselectionofsignificantfeatures
AT turutaap themethodtoconstructfuzzyregressionmodelbasedonlarsforselectionofsignificantfeatures
first_indexed 2025-12-07T17:01:38Z
last_indexed 2025-12-07T17:01:38Z
_version_ 1850869703157743616

Схожі ресурси