Sparse sufficient dimension reduction using optimal scoring

کاهش ابعاد کامل یک تئوری و روشی برای کاهش ابعاد پیش بینی کننده ها است در حالی که اطلاعات در مورد رگرسیون ها حفظ می شود. در این مقاله، ما یک روش کاهش حجم جزئی را برای کاهش ابعاد قابل تفسیر پیشنهاد می کنیم. این برای موقعیت هایی طراحی شده است که تعداد پیش بینی های همبسته آن نسبت به اندازه نمونه بسیار زیاد است. روش جدید بر مبنای تفسیر بهینه مطلوب روش رگرسیون معکوس برش است. در نتیجه، چارچوب رگرسیون به ثمر رسیدن بهینه، استفاده از تکنیک های تنظیم معمول را آسان تر می کند. مطالعات شبیه سازی اثربخشی و کارایی روش پیشنهادی را نشان می دهد.