Συλλογές
Τίτλος Fast Bayesian feature selection for high-dimensional data using mixtures of g-priors
Εναλλακτικός τίτλος Γρήγορη Μπεϋζιάνη επιλογή μεταβλητών για δεδομένα μεγάλων διαστάσεων χρησιμοποιώντας (mixtures of g priors) μείξεις g εκ των προτέρων κατανομών
Δημιουργός Κορωνιάδης, Κωνσταντίνος, Koroniadis, Konstantinos
Συντελεστής Ntzoufras, Ioannis
Paroli, Roberta
Karlis, Dimitrios
Athens University of Economics and Business, Department of Statistics
Τύπος Text
Φυσική περιγραφή 89p.
Γλώσσα en
Αναγνωριστικό http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=10928
Περίληψη The present thesis explores the world of model selection based on Bayesian techniques and the included variable within the framework of linear models. The research unfolds through an exploration of the g−prior framework, encompassing the broader realm of model selection based on Bayesian techniques. A detailed analysis of the FBVS algorithm reveals its adaptability in various scenarios. The depiction of correlation boundaries adds practical value to the application of the algorithm. Additionally, the extension of the algorithm to mixtures of the g−prior highlights innovation and resilience in problem-solving.
Η παρούσα διπλωματική εργασία εξετάζει τον κόσμο της επιλογής μοντέλου βασιζόμενη σε Μπευζιανές τεχνικές και της περιλαμβανομένης μεταβλητής μέσα στο πλαίσιο των γραμμικών μοντέλων. Η έρευνα αναπτύσσεται με μια εξερεύνηση του πλαισίου της g − prior, περιλαμβάνοντας τον ευρύτερο κόσμο της επιλογής μοντέλου βασισμένης σε Μπευζιανές τεχνικές. Μια λεπτομερής ανάλυση του αλγορίθμου FBVS αποκαλύπτει την προσαρμοστικότητά του σε διάφορα σενάρια. Η απεικόνιση των ορίων συσχέτισης προσθέτει πρακτική αξία στην εφαρμογή του αλγορίθμου. Επιπλέον, η επέκταση του αλγορίθμου σε μείξεις της g − prior αναδεικνύει την καινοτομία και την ανθεκτικότητα στην επίλυση προβλημάτων.
Λέξη κλειδί Μπεϋζιανά μοντέλα
Γραμμικό μοντέλο
Κανονική κατανομή
Bayesian model
Linear model
Fast Bayesian Variable Screening (FBVS)
Διαθέσιμο από 2023-12-13 14:14:57
Ημερομηνία έκδοσης 13-12-2023
Ημερομηνία κατάθεσης 2023-12-13 14:14:57
Δικαιώματα χρήσης Free access
Άδεια χρήσης https://creativecommons.org/licenses/by/4.0/