उच्च-आयामी स्पार्स डेटा के साथ मल्टिकॉलाइनरिटी पर अनुकूलनीय इलास्टिक नेट: लिपोमैटस ट्यूमर वर्गीकरण के लिए आवेदन

भविष्यवाणी मॉडल उच्च-आयामी स्पार्स डेटा और मल्टिकॉलाइनरिटी समस्याओं के संयोजन के कारण अस्थिरताओं का अनुभव कर सकते हैं। अनुकूलनीय लीज़्ट एब्सोल्यूट श्रिंकज और चयन ऑपरेटर (अनुकूलनीय लासो) और अनुकूलनीय इलास्टिक नेट को दंडित शर्त पर अनुकूलनीय वजन के साथ विकसित किया गया था। ये अनुकूलनीय वजन अनुमानों के शक्ति क्रम से संबंधित हैं। इसलिए, हम इन दंड कार्यों पर अनुकूलनीय वजन की शक्ति पर ध्यान केंद्रित करते हैं। इस अध्ययन का उद्देश्य उच्च-आयामी स्पार्स डेटा के साथ मल्टिकॉलाइनरिटी के तहत अनुकूलनीय लासो और अनुकूलनीय इलास्टिक नेट विधियों की शक्ति की प्रदर्शन की तुलना करना था। इसके अलावा, हमने वास्तविक डेटा आवेदन के लिए सिमुलेशन अध्ययन और वर्गीकरण सटीकता के लिए पूर्वानुमानित औसत ग squared त्रुटि (MPMSE) के औसत के संदर्भ में रिज, लासो, इलास्टिक नेट, अनुकूलनीय लासो और अनुकूलनीय इलास्टिक नेट के प्रदर्शन की तुलना की। सिमुलेशन और वास्तविक डेटा आवेदन के परिणामों ने दिखाया कि अनुकूलनीय इलास्टिक नेट का वर्गमूल उच्च-आयामी स्पार्स डेटा के साथ मल्टिकॉलाइनरिटी पर सबसे अच्छा प्रदर्शन करता है।