کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7357798 | 1478564 | 2018 | 37 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Best subset binary prediction
ترجمه فارسی عنوان
بهترین پیش بینی باینری زیر مجموعه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
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.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
آمار و احتمال
چکیده انگلیسی
We consider a variable selection problem for the prediction of binary outcomes. We study the best subset selection procedure by which the covariates are chosen by maximizing Manski (1975, 1985)'s maximum score objective function subject to a constraint on the maximal number of selected variables. We show that this procedure can be equivalently reformulated as solving a mixed integer optimization problem, which enables computation of the exact or an approximate solution with a definite approximation error bound. In terms of theoretical results, we obtain non-asymptotic upper and lower risk bounds when the dimension of potential covariates is possibly much larger than the sample size. Our upper and lower risk bounds are minimax rate-optimal when the maximal number of selected variables is fixed and does not increase with the sample size. We illustrate usefulness of the best subset binary prediction approach via Monte Carlo simulations and an empirical application of the work-trip transportation mode choice.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 206, Issue 1, September 2018, Pages 39-56
Journal: Journal of Econometrics - Volume 206, Issue 1, September 2018, Pages 39-56
نویسندگان
Le-Yu Chen, Sokbae Lee,