Using Genetic Algorithms for order selection in fractional polynomials

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: İngilizce

Öğrenci: Barnabe NDABASHINZE

Asıl Danışman (Eş Danışmanlı Tezler İçin): GÜLESEN ÜSTÜNDAĞ ŞİRAY

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Regresyon modeli kurmada, araştırmacılar sık sık açıklayıcı değişken sayısının çok fazla olması durumu ile karşılaşır. Önemli açıklayıcı değişkenlerin bir alt kümesini belirlemek için pek çok değişken seçim yöntemi mevcuttur. Başka bir problem de yanıt ve açıklayıcı değişkenler arasında lineer olmayan ilişki olduğunda modelin nasıl kurulacağıdır. Royston and Altman (1994) yanıt ve açıklayıcı değişkenler arasında lineer olmayan ilişkiyi modellemek için kesirli polinom modellerinin kullanımını önermiştir. Royston ve Altman (1994) tarafından önerilen kesirli polinom modelleri, kuvvetleri kısıtlı bir S = {−2,−1,−0.5,0,0.5,1,2,3} kümesinden fonksiyon seçim yöntemlerine göre seçer. Bu tezin amacı, genişletilmiş bir kümedeki kuvvetleri seçmek için genetik algoritmalar olarak adlandırılan stokastik optimizasyon tekniğini, özel olarak Bayesyen bilgi kriterini minimize ederek uygulamaktır. Gerçek veri kümeleri kullanılarak, genetik algoritmalar ile seçilen kuvvetleri kullanan modeller ile kesirli polinom modelleri karşılaştırılmıştır. Genetik algoritmalar yardımıyla elde edilen modelin, kesirli polinom modelleriyle elde edilenden daha iyi olduğu görülmüştür. ˘