İki düzeyli olasılık modellerinde klasik ve meta sezgisel optimizasyon tekniklerinin performansı üzerine bir çalışma

Basit Öğe Kaydı
dc.authorid146770en_US
dc.authorid46119en_US
dc.contributor.authorAkkuş, Özge
dc.contributor.authorDemir, Emre
dc.date.accessioned2017-10-19T12:50:43Z
dc.date.available2017-10-19T12:50:43Z
dc.date.issued2016en_US
dc.departmentİstanbul Ticaret Üniversitesien_US
dc.description.abstractBağımlı değişkenin kategorik olduğu durumda, model parametrelerinin tahmininde kullanılan geleneksel yöntem, En Çok Olabilirlik Tahmin Edicisi (EÇOTE)’dir. Bu yöntemde olabilirlik eşitliklerinin çözümünde, klasik Newton-Raphson (NR) algoritması kullanılmaktadır. Ancak bu algoritma olabilirlik fonksiyonunun diferansiyellenebilir özellikte olduğu durum için uygundur. Bu çalışmada, iki düzeyli bağımlı değişken modellerinde klasik optimizasyon yöntemlerinin uygulanabilmesi için gerekli olan varsayımların sağlandığı durumda optimal parametre tahminlerine ulaşabilmek için NR algoritmasına alternatif olan Genetik Algoritma (GA) yaklaşımının etkinliği araştırılmıştır. Bu amaçla, ilk olarak Alopesia hastalığı verisi kullanılmıştır. Gerçek veri uygulamasına ek olarak yapay bir veri kümesi üzerinden elde edilen sonuçlar da sunulmuştur. Son olarak, yöntemlerin Matlab program kodları ve açıklamaları ayrıntılı bir biçimde verilmiştir.en_US
dc.description.abstractThe traditional method in the parameter estimation when we study with a categorical dependent variable is the Maximum Likelihood Estimator (MLE). In this method, the classical Newton-Raphson (NR) algorithm is used in the solution of the obtained likelihood equations. However, this algorithm is suitable when the likelihood function is defferentiable. In this study, the efficiency of the Genetic Algorithm approach (GA), alternative to the NR algorithm, is investigated for obtaining the optimal parameter values when the required assumptions for the classical optimization techniques are satisfied in the binary dependent variable models. For this purpose, first, data related to the Alepecia disease is used. In addition to the real data application, the simulated data results are also presented. Finally, the Matlab commands and their explanations are given in detail.en_US
dc.identifier.endpage131en_US
dc.identifier.issn2148-7286
dc.identifier.issn2149-1305
dc.identifier.issue30en_US
dc.identifier.startpage107en_US
dc.identifier.urihttps://hdl.handle.net/11467/1745
dc.identifier.volume15en_US
dc.language.isotren_US
dc.publisherİstanbul Ticaret Üniversitesien_US
dc.relation.ispartofİstanbul Ticaret Üniversitesi Fen Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Başka Kurum Yazarıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectGenetik Algoritmaen_US
dc.subjectLojistik Regresyonen_US
dc.subjectOptimizasyonen_US
dc.subjectParametre Tahminien_US
dc.subjectNewton-Raphsonen_US
dc.subjectGenetic Algorithmen_US
dc.subjectLogistic Regressionen_US
dc.subjectOptimizationen_US
dc.subjectParameter Estimationen_US
dc.subjectNewton-Raphsonen_US
dc.titleİki düzeyli olasılık modellerinde klasik ve meta sezgisel optimizasyon tekniklerinin performansı üzerine bir çalışmaen_US
dc.title.alternativeA study on the performance of the classical and meta heuristic optimization techniques in probability models with two levelsen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
M00904.pdf
Boyut:
827.04 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

İTÜFBD, Cilt 15, Sayı 30, Makale Koleksiyonu