文章基本信息

标题：Selected Robust Logistic Regression Specification for Classification of Multi‑dimensional Functional Data in Presence of Outlier
其他标题：Zastosowanie odpornej regresji logistycznej do klasyfikacji wielowymiarowych danych funkcjonalnych
本地全文：下载
作者：Mirosław Krzyśko ; Łukasz Smaga
期刊名称：Acta Universitatis Lodziensis. Folia Oeconomica
印刷版ISSN：0208-6018
出版年度：2018
卷号：2018
期号：2
页码：53-66
DOI：10.18778/0208-6018.334.04
语种：English
出版社：Lodz University Press
摘要：In this paper,the binary classification problem of multi‑dimensional functional data is con‑ sidered.To solve this problem a regression technique based on functional logistic regression model is used.This model is re‑expressed as a particular logistic regression model by using the basis expan‑ sions of functional coefficients and explanatory variables.Based on re‑expressed model,a classifi‑ cation rule is proposed.To handle with outlying observations,robust methods of estimation of un‑ known parameters are also considered.Numerical experiments suggest that the proposed methods may behave satisfactory in practice.
其他摘要：W niniejszym artykule rozważany jest problem dwuetykietowej klasyfikacji wielowy‑ miarowych danych funkcjonalnych.Zaproponowane rozwiązanie tego problemu oparto na tech‑ nikach regresyjnych i modelu regresji logistycznej dla danych funkcjonalnych.Model ten został przekształcony do szczególnego modelu regresji logistycznej za pomocą rozwinięcia (będących funkcjami) współczynników regresji i zmiennych objaśniających w bazie funkcyjnej.Na podstawie tego modelu skonstruowana została reguła klasyfikacyjna.W przypadku występowania obserwacji odstających rozważane są również metody odpornej estymacji nieznanych parametrów.Ekspery‑ menty numeryczne sugerują,że proponowane metody mogą z powodzeniem być wykorzystane w praktycznych zagadnieniach.
关键词：basis functions representation;classification problem;functional regression analysis;lo‑ gistic regression model;multi‑dimensional functional data;robust estimation
其他关键词：analiza regresji dla danych funkcjonalnych;estymacja odporna;model regresji lo‑ gistycznej;rozwinięcie funkcji w bazie funkcyjnej;wielowymiarowe dane funkcjonalne;zagadnienie klasyfikacji