دانلود مقاله انگلیسی رایگان:مدل رگرسیون حداقل مربعات جزئی برای داده های نامتقارن با کاربرد شیمیایی در معدن - 2019
سیزه به در
دانلود مقاله انگلیسی داده کاوی رایگان
  • On a partial least squares regression model for asymmetric data with a chemical application in mining On a partial least squares regression model for asymmetric data with a chemical application in mining
    On a partial least squares regression model for asymmetric data with a chemical application in mining

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    On a partial least squares regression model for asymmetric data with a chemical application in mining


    ترجمه فارسی عنوان مقاله:

    مدل رگرسیون حداقل مربعات جزئی برای داده های نامتقارن با کاربرد شیمیایی در معدن


    منبع:

    Sciencedirect - Elsevier - Chemometrics and Intelligent Laboratory Systems, 190 (2019) 55-68: doi:10:1016/j:chemolab:2019:04:013


    نویسنده:

    Mauricio Huerta a, Víctor Leiva a,*, Shuangzhe Liu b, Marcelo Rodríguez c, Danny Villegas d


    چکیده انگلیسی:

    In chemometrical applications, covariates in regression models are often correlated, causing a collinearity problem that can be solved by partial least squares (PLS) regression. In addition, high dimensionality in the space of covariates is also a problem with more parameters than cases, a phenomenon usually found in chemical spectral data that can also be solved by PLS regression. The Birnbaum-Saunders distribution has theoretical justifications for modeling chemical data. In this paper, a new methodology based on PLS regression models is proposed considering a reparameterized Birnbaum-Saunders (RBS) distribution for the response, which is useful for describing asymmetric data frequently found in chemical phenomena. We estimate the RBS-PLS model parameters using the maximum likelihood method. A bootstrap approach is employed to obtain the optimal number of PLS components. Quantile residuals and Cook and Mahalanobis type distances are utilized for detecting possible anomalies in the modeling. We conduct perturbation studies to assess the performance of these diagnostic tools. The proposed methodology is applied to real-world kaolinite data and compared to other competing models. This provides a useful illustration of chemical analysis in the mining industry
    Keywords: Bootstrapping | Cook and Mahalanobis distances | Diagnostic analysis | GLM | Likelihood method | NIR spectral data | PCA | R software | Statistical residuals


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 14
    حجم فایل: 2500 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi