Отбор переменных в логистическую регрессию генетическим алгоритмом

Отбор переменных в логистическую регрессию генетическим алгоритмом

В статье исследуются эффективные процедуры отбора переменных в бинарные классифицирующие модели на основе логистической регрессии. Для этого используется генетический алгоритм, причем в функцию фитнеса особи параметр штрафа за включение в модель новых переменных изменяется в зависимости от рассчи...

Full description

Saved in:
Bibliographic Details
Date:2008
Main Author: Паклин, Н.Б.
Format: Article
Language:Russian
Published: Інститут проблем штучного інтелекту МОН України та НАН України 2008
Subjects:
Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/7157
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Отбор переменных в логистическую регрессию генетическим алгоритмом / Н.Б. Паклин // Штучний інтелект. — 2008. — № 3. — С. 714-719. — Бібліогр.: 5 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-7157
record_format dspace
spelling Паклин, Н.Б.
2010-03-25T11:58:50Z
2010-03-25T11:58:50Z
2008
Отбор переменных в логистическую регрессию генетическим алгоритмом / Н.Б. Паклин // Штучний інтелект. — 2008. — № 3. — С. 714-719. — Бібліогр.: 5 назв. — рос.
1561-5359
https://nasplib.isofts.kiev.ua/handle/123456789/7157
62-50:15
В статье исследуются эффективные процедуры отбора переменных в бинарные классифицирующие модели на основе логистической регрессии. Для этого используется генетический алгоритм, причем в функцию фитнеса особи параметр штрафа за включение в модель новых переменных изменяется в зависимости от рассчитанного значения площади под ROC-кривой. Проведены эксперименты на модельных наборах данных и в задаче кредитного скоринга.
У статті досліджуються ефективні процедури відбору змінних в бінарні класифікуючі моделі на основі логістичної регресії. Для цього використовується генетичний алгоритм, причому у функцію фітнеса особини параметр штрафу за включення в модель нових змінних змінюється залежно від розрахованого значення площі під ROC-кривою. Проведені експерименти на модельних наборах даних і в задачі кредитного скорингу.
In the paper we discuss effective procedures for а feature selection problem in a binary logistic regression model. A genetic algorithm was used to find best feature combinations, with the special fitness function based on a penalty parameter for including new variables. This parameter depends on ROC-curve index on current epoch. Experiments on Madelon data set and credit scoring classification problem were made.
ru
Інститут проблем штучного інтелекту МОН України та НАН України
Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем
Отбор переменных в логистическую регрессию генетическим алгоритмом
Відбір змінних в логістичну регресію генетичним алгоритмом
Feature Selection in a Logistic Regression by Genetic Algorithm
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Отбор переменных в логистическую регрессию генетическим алгоритмом
spellingShingle Отбор переменных в логистическую регрессию генетическим алгоритмом
Паклин, Н.Б.
Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем
title_short Отбор переменных в логистическую регрессию генетическим алгоритмом
title_full Отбор переменных в логистическую регрессию генетическим алгоритмом
title_fullStr Отбор переменных в логистическую регрессию генетическим алгоритмом
title_full_unstemmed Отбор переменных в логистическую регрессию генетическим алгоритмом
title_sort отбор переменных в логистическую регрессию генетическим алгоритмом
author Паклин, Н.Б.
author_facet Паклин, Н.Б.
topic Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем
topic_facet Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем
publishDate 2008
language Russian
publisher Інститут проблем штучного інтелекту МОН України та НАН України
format Article
title_alt Відбір змінних в логістичну регресію генетичним алгоритмом
Feature Selection in a Logistic Regression by Genetic Algorithm
description В статье исследуются эффективные процедуры отбора переменных в бинарные классифицирующие модели на основе логистической регрессии. Для этого используется генетический алгоритм, причем в функцию фитнеса особи параметр штрафа за включение в модель новых переменных изменяется в зависимости от рассчитанного значения площади под ROC-кривой. Проведены эксперименты на модельных наборах данных и в задаче кредитного скоринга. У статті досліджуються ефективні процедури відбору змінних в бінарні класифікуючі моделі на основі логістичної регресії. Для цього використовується генетичний алгоритм, причому у функцію фітнеса особини параметр штрафу за включення в модель нових змінних змінюється залежно від розрахованого значення площі під ROC-кривою. Проведені експерименти на модельних наборах даних і в задачі кредитного скорингу. In the paper we discuss effective procedures for а feature selection problem in a binary logistic regression model. A genetic algorithm was used to find best feature combinations, with the special fitness function based on a penalty parameter for including new variables. This parameter depends on ROC-curve index on current epoch. Experiments on Madelon data set and credit scoring classification problem were made.
issn 1561-5359
url https://nasplib.isofts.kiev.ua/handle/123456789/7157
citation_txt Отбор переменных в логистическую регрессию генетическим алгоритмом / Н.Б. Паклин // Штучний інтелект. — 2008. — № 3. — С. 714-719. — Бібліогр.: 5 назв. — рос.
work_keys_str_mv AT paklinnb otborperemennyhvlogističeskuûregressiûgenetičeskimalgoritmom
AT paklinnb vídbírzmínnihvlogístičnuregresíûgenetičnimalgoritmom
AT paklinnb featureselectioninalogisticregressionbygeneticalgorithm
first_indexed 2025-11-30T14:00:16Z
last_indexed 2025-11-30T14:00:16Z
_version_ 1850857823091556354

Similar Items