Best subset binary prediction

ما یک مشکل انتخاب متغیر برای پیش بینی نتایج باینری را در نظر می گیریم. ما بهترین روش انتخاب زیرمجموعه ای را انتخاب می کنیم که با استفاده از حداکثر رساندن حداکثر تابع هدف مانکی (1975، 1985)، محدودیت در حداکثر تعداد متغیرهای انتخاب شده انتخاب می شود. ما نشان می دهیم که این روش می تواند به طور مساوی به عنوان حل یک مسئله بهینه سازی عدد صحیح مختلط، که محاسبه دقیق یا تقریبی راه حل را با یک خطای تقریبی قطعی محدود می کند، اصلاح شود. از لحاظ نتایج نظری، محدودیتهای بالاتر و پایین ریسک غیرمسوپتیکی را بدست می آوریم که بعد ابعاد احتمالی بالقوه احتمالا بسیار بزرگتر از اندازه نمونه است. محدودیت های بالا و پایین ریسمان ما به صورت مینیماکس نرخ مطلوب است، زمانی که حداکثر تعداد متغیرهای انتخاب شده ثابت شده و با حجم نمونه افزایش نمی یابد. ما سودمندی بهترین روش پیش بینی باینری زیر مجموعه را با استفاده از شبیه سازی مونت کارلو و تجربی کاربرد انتخاب حالت حمل و نقل سفر کاری نشان می دهیم.