این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Numerical Analysis and Optimization، جلد ۱۲، شماره ۱، صفحات ۱۷۳-۱۸۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A heuristic algorithm to combat outliers and multicollinearity in regression model analysis
چکیده انگلیسی مقاله As known, outliers and multicollinearity in the data set are among the important diffculties in regression models, which badly affect the leastsquares estimators. Under multicollinearity and outliers’ existence in the data set, the prediction performance of the least-squares regression method is decreased dramatically. Here, proposing an approximation for the condition number, we suggest a nonlinear mixed-integer programming model to simultaneously control inappropriate effects of the mentioned problems. The model can be effectively solved by popular metaheuristic algorithms. To shed light on importance of our optimization approach, we make some numerical experiments on a classic real data set as well as a simulated data set.
کلیدواژه‌های انگلیسی مقاله Condition number, linear regression, Penalty method, Metaheuristic algorithm, Nonlinear mixed-integer programming
نویسندگان مقاله M. Roozbeh |
Faculty of Mathematics, Statistics and Computer Science, P.O. Box: 35195-363, Semnan University, Semnan, Iran.

S. Babaie-Kafaki |
Faculty of Mathematics, Statistics and Computer Science, P.O. Box: 35195-363, Semnan University, Semnan, Iran.

M. Manavi |
Faculty of Mathematics, Statistics and Computer Science, Semnan University, Semnan, Iran

نشانی اینترنتی https://ijnao.um.ac.ir/article_40651_634cd7c6946621ce02fbe99867e1eb80.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات