Chulalongkorn University Theses and Dissertations (Chula ETD)
การเปรียบเทียบประสิทธิภาพการพยากรณ์และการคัดเลือกตัวแปรของวิธีเพิ่มลดตัวแปรแบบขั้นตอน วิธีแลสโซ่ วิธีอีลาสติคเน็ต และวิธีแลสโซ่ปรับปรุง สำหรับผลกระทบขนาดเล็กและมีค่าสัมประสิทธิ์บางตัวเป็นศูนย์
Other Title (Parallel Title in Other Language of ETD)
COMPARING THE PREDICTION ACCURACY AND SUBSET SELECTION PERFORMANCES OF STEPWISE, LASSO, ELASTIC NET AND ADAPTIVE LASSO FOR SMALL AND SPARSE SIGNALS.
Year (A.D.)
2013
Document Type
Thesis
First Advisor
นัท กุลวานิช
Faculty/College
Faculty of Commerce and Accountancy (คณะพาณิชยศาสตร์และการบัญชี)
Degree Name
วิทยาศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
สถิติ
DOI
10.58837/CHULA.THE.2013.558
Abstract
การวิจัยในครั้งนี้ มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของวิธีการคัดเลือกตัวแปรอิสระเข้าสู่ตัวแบบการถดถอยที่มีลักษณะข้อมูลขนาดเล็กและมีค่าสัมประสิทธิ์การถดถอยบางตัวเป็นศูนย์ ด้วยวิธีเพิ่มลดตัวแปรแบบขั้นตอน วิธีแลสโซ่ วิธีอีลาสติคเน็ต และวิธีแลสโซ่ปรับปรุง โดยใช้ค่าเฉลี่ยความผิดพลาดในการตรวจจับเชิงบวก ค่าเฉลี่ยความผิดพลาดในการตรวจจับเชิงลบ และค่าเฉลี่ยของค่าคลาดเคลื่อนสัมบูรณ์โดยเฉลี่ยเป็นเครื่องมือในการวัดประสิทธิภาพของการคัดเลือกตัวแปร โดยที่การคัดเลือกตัวแปรวิธีใดที่ให้ค่าของเกณฑ์ทั้ง 3 ต่ำสุดโดยสอดคล้องกันจะถือว่าการคัดเลือกตัวแปรวิธีนั้นเป็นวิธีที่มีประสิทธิภาพและเหมาะสมกับข้อมูลที่จำลองขึ้นมามากที่สุดผลการวิจัยพบว่า การคัดเลือกตัวแปรด้วยวิธีแลสโซ่ปรับปรุงนั้นให้ประสิทธิภาพดีที่สุดในหลายสถานการณ์ แต่สำหรับกรณีที่ร้อยละของจำนวนค่าสัมประสิทธิ์การถดถอยที่แท้จริงมีค่าไม่เป็นศูนย์เมื่อเทียบกับจำนวนตัวแปรอิสระอยู่ในระดับสูง การคัดเลือกตัวแปรด้วยวิธีอีลาสติคเน็ตจะให้ประสิทธิภาพที่ดีกว่าการคัดเลือกตัวแปรด้วยวิธีแลสโซ่ปรับปรุง
Other Abstract (Other language abstract of ETD)
This study aimed to compare the performances of the subset selection methods: Stepwise, Lasso, Elastic Net and Adaptive Lasso for small and sparse signals. The criteria for the performance measuring are False Positive, False Negative and Mean Absolute Error. The Variable selection method that provides a value of 3 minimum criteria will be considered as the best method and fit with data are simulated most.The results showed the Adaptive Lasso offers the best performance in many situations. In case of the percentage of the sparse coefficients low, Elastic Net provides better performance than Adaptive Lasso.
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
สาระกอ, ทิฆัมพร, "การเปรียบเทียบประสิทธิภาพการพยากรณ์และการคัดเลือกตัวแปรของวิธีเพิ่มลดตัวแปรแบบขั้นตอน วิธีแลสโซ่ วิธีอีลาสติคเน็ต และวิธีแลสโซ่ปรับปรุง สำหรับผลกระทบขนาดเล็กและมีค่าสัมประสิทธิ์บางตัวเป็นศูนย์" (2013). Chulalongkorn University Theses and Dissertations (Chula ETD). 19066.
https://digital.car.chula.ac.th/chulaetd/19066