МЕТОДЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ В МНОГОМЕРНЫХ АЛГОРИТМАХ МАШИННОГО ОБУЧЕНИЯ

Авторы 

       Низамитдинов А.И.– старший преподаватель, доктор философии (PhD),  Политехнический институт Таджикского технического университета имени академика М.С. Осими, г. Худжанд, Республика Таджикистан, ahlidin@gmail.com.

Аннотация

     В статье рассматриваются алгоритмы машинного обучения, в частности непараметрические модели многомерного регрессионного анализа. В частности, рассматриваются такие модели, как обобщенные аддитивные регрессионные модели, штрафные обобщенные аддитивные модели, тонко-пластинные сплайны. Одной из проблем в задачах нелинейной подгонки является сравнение и выбор оптимального метода для аппроксимации данных. Аппроксимация с различными типами данных требует более детального рассмотрения выбора моделей. Наиболее сложным в данных задачах является выбор модели с наименьшей метрикой ошибки. Для проведения анализа были выбраны 5 различных функций из ранее опубликованных исследований, которые использовали регрессионные модели для их оценки. Данные представляют собой многомерные значения, вычисленные по функциям и добавленные к функциональным значениям случайные составляющие из разных функций распределения. Эти данные впоследствии использованы для подгонки с помощью непараметрических регрессионных моделей. С помощью имитационного метода моделирования выбирались данные из каждой функции по 100 значений и по 100 повторений. Результаты проведенной аппроксимации функции оцениваются с помощью среднеквадратической ошибки . Результаты критерий оценивания сравниваются с помощью бокс-плотов (box-plot) для определения наиболее подходящей методики.

Ключевые слова

тонко-пластинные сплайны, обобщенные аддитивные регрессионные модели, штрафные обобщенные аддитивные модели, имитационное моделирование.