Optimizing Linear Models via Sinusoidal Transformation for Boosted Machine Learning in Medicine
Sinusoidal Optimization of Linear Models
DOI:
https://doi.org/10.32007/jfacmedbagdad.613,41713الكلمات المفتاحية:
الذكاء الاصطناعي، تحويل البيانات، تعلم الآلة، التحليلات التنبؤية، تحليل الانحدارالملخص
خلفية البحث:
يعتمد التعلم الآلي على مزيج من التحليلات ، بما في ذلك تحليلات الانحدار , والتراجع الخطي. لا توجد هناك هناك محاولات مسبقة لأستخدام المحولات الجيبية للبيانات لتعزيز نماذج الانحدار الخطي.
الأهداف: نحن نهدف إلى تحسين النماذج الخطية من خلال تطبيق التحويل الجيبي لتقليل العدد الإجمالي للمربعات للبيانات لتعزيز نماذج الانحدار الخطي.
المنهجية:
قمنا بتطبيق إحصاءات غير بايزي باستخدام SPSS و MatLab تم استخدام Excel لإنشاء ثلاثين تجربة لنماذج الانحدار الخطي ، ولكل منها ألف ملاحظة (عينة). تم استخدام برنامج SPSS من أجل الانحدار الخطي ، واختبار ويلكوكسون ، وإحصائيات كرونباخ ألفا لتقييم أداء نموذج التحسين (التحويل الجيبي).
النتائج:
كان التحويل الجيبي ناجحًا عن طريق تقليل إجمالي المربعات و بقيمة P<0.001 بشكل أحصائي ملحوظ. أكد اختبار كرونباخ ألفا الثبات الداخلي للنموذج المستخدم (معامل كرونباخ ألفا = 0.999)
الإستتنتاج:
يعد نموذج التحويل الجيبي ذو أهمية في الأبحاث عالية التأثير التي تعتمد على الانحدار و التراجع الخطي. حيث يمكن أن تقلل من متطلبات المعالجة الحسابية لتحليلات قوية في الوقت الحقيقي والتنبؤات الأحصائية.
التنزيلات
التنزيلات
منشور
إصدار
القسم
الرخصة
Permit others to copy and distribute the manuscript; to extract, revise, and create another derivative
works of or from the manuscript (e.g., a translation); to incorporate the manuscript into a
collective work; and to text or data mine the article, even for commercial purposes, provided that
the author(s) is/are credited; the article's modifications should not harm the author's honor or
reputation; and the article should not be altered in a way that would cause the author to lose them
reputation. The Creative Commons Attribution 4.0 International License (CC BY 4.0) has more
information.
كيفية الاقتباس
Creative Commons Attribution 4.0 International license..
