Supervised dimension reduction for ordinal predictors

در برنامه هایی که شامل پیش بینی های مرتب هستند، رویکردهای رایج برای کاهش ابعاد، یا گسترش تکنیک های نظارتی نظیر تحلیل مولفه اصلی، و یا روش های انتخاب متغیر است که به مدل سازی عملکرد رگرسیون بستگی دارد. یک روش کاهش اندازه نظارت شده با توجه به پیش بینی های دسته بندی شده دستور داده شده است که با استفاده از رویکرد کاهش ابعاد مبتنی بر مدل، با الهام از گسترش دادن مقادیر کافی ابعاد به متن متغیرهای گاوس پنهان است. کاهش بدون مدل سازی پاسخ به عنوان عملکرد پیش بینی کننده انتخاب شده و هیچ فرض توزیعی بر روی پاسخ و یا پاسخ با پیش بینی کننده ها تحمیل نمی شود. برآوردگر مبتنی بر احتمال مبتنی بر کاهش، مشتق شده است و یک الگوریتم نوع تکرار به حداکثر رساندن انتظار برای کاهش بار محاسباتی پیشنهاد شده است و بنابراین روش عملی تر است. برآورد کننده منظم، که به طور همزمان انتخاب متغیر و کاهش ابعاد را ارائه می دهد، نیز ارائه می شود. عملکرد روش پیشنهادی از طریق شبیه سازی و نمونه ای از داده های واقعی برای ساختن شاخص های اجتماعی اقتصادی مورد ارزیابی قرار می گیرد و از نظر تکنیک های گسترده استفاده شده است.