English
!

Архив публикаций

Тезисы

XVI-ая конференция

Алгоритмы порождения и выбора регрессионных моделей

Стрижов В.В., Крымова Е.А1

Вычислительный центр РАН, e-mail: strijov@ccas.ru

1Московский физико-технический институт, e-mail: ekkrym@mail.ru

1  стр. (принято к публикации)

!Просмотр формул возможен только при работающем JavaScript. Пожалуйста, включите поддержку JavaScript в настройках вашего браузера.

Рассматриваются алгоритмы порождения и выбора линейных регрессионных моделей. Модель оптимальной структуры отыскивается как линейная комбинация элементов заданной базовой модели. Критерием оптимальности служит среднеквадратичная ошибка на тестовой подвыборке.

Цель работы анализ и сравнение эвристических алгоритмов порождения моделей: однослойного и многослойного алгоритмов МГУА [1], метода стохастической структурной оптимизации и метода оптимального прореживания [2]. При анализе используются алгоритмы выбора свободных переменных: шаговая регрессия, метод наименьших углов (LARS) и лассо Тибширани.

Решается следующая задача. Задана выборка $\{(\mathbf{x}_n,y_n)\}_{n=1}^N$, $\mathbf{x}\in\mathbf{R}^m$, $y\in\mathbf{R}$, которая разбита на обучающую и тестовую подвыборки случайным образом. Разбиение определено множествами индексов $\ell$ и $C$.

Принята базовая модель полином Колмогорова-Габора, порождающая модели-претенденты: $y=w_0+\sum_{i=1}^mw_ix_i + \sum_{i=1}^m\sum_{j=1}^mw_{ij}x_ix_j +\ldots+\sum_{i=1}^m\ldots\sum_{z=1}^mw_{i\ldots z}{x_i\ldots x_z}.$ В этой модели $\mathbf{x}=\{x_i|i=1,\ldots,m\}$ множество свободных переменных; $\mathbf{w}$ вектор параметров $\mathbf{w}=\langle{w_i,w_{ij},w_{ijk},\ldots|i,j,k,\ldots=1,\ldots,m}\rangle$ и $F_0=F_0(R)$ число мономов.

Базовая модель представима в виде $\mathbf{y}=A\mathbf{w}$, где столбцы матрицы значения мономов на выборке и $\mathbf{y}=\{y_1,\ldots,y_N\}$. Обозначим соответствующие разбиения выборки как $A_\ell, y_\ell$ и $A_C, y_C$.

Требуется выбрать такие столбцы матрицы $A$, задающие модель, которые доставляют минимум критерию оптимальности. Задача построения линейной регрессионной модели оптимальной структуры имеет вид $\mathbf{c} = \arg\min_{\mathbf{c}\in{\{0,1\}^{F_0}}} \|A_C(\mathbf{w}\times\mathbf{c})-\mathbf{y}_C\|,$ где $\times$ знак поэлементного умножения векторов. Параметры $\mathbf{w}$ определены как $\mathbf{w} = \arg\min_{\mathbf{w}\in \mathbb{R}^{F_0}} \|A_\ell\mathbf{w}-\mathbf{y}_\ell\|.$

На исторических данных опционных торгов был проведен анализ предложенных методов. Работа выполнена при поддержке РФФИ, проект 07-07-00181.

Список литературы

1. Malada H.R., Ivakhnenko A.G. Inductive Learning Algorithms for Complex Systems Modeling. CRC Press. 1994.

2. Стрижов В.В. Поиск параметрической регрессионной модели в индуктивно заданном множестве. Журнал вычислительных технологий. 2007. No 1. С. 93-102.



© 2004 Дизайн Лицея Информационных технологий №1533