روش اسپلاین های رگرسیونی تطبیقی چندگانه (MARS) با پاسخ های فازی و کاربرد آن در پزشکی اجتماعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده علوم ریاضی دانشگاه الزهرا

2 دانشکده علوم ریاضی، دانشگاه الزهرا

3 دانشکده دندانپزشکی، دانشگاه علوم پزشکی شهید بهشتی

20.1001.1.27174409.1399.3.2.12.9/DOR

چکیده

در این مقاله ابتدا رگرسیون اسپلاین تطبیقی چند گانه (MARS) را در حالتی که متغیرهای پاسخ، فازی هستند معرفی می کنیم. سپس مدل MARS را روی داده های جمع آوری شده پیاده میکنیم و نتایج به دست آمده را با روش کمترین مربعات خطا مقایسه میکنیم. برای مطالعه ارتباط بین آگاهی افراد درباره بیماری های سرطان و سطح اجتماعی و اقتصادی افراد به کار می بریم. در این مطالعه دانش افراد درباره سرطان به صورت متغیرهای فازی بیان شده است. نتایج به دست امده را با یکی از رایج ترین روش های رگرسیون فازی مقایسه می کنیم که حاکی از برتری مدل MARS است.



کلیدواژه‌ها


[1] چاچی. ج. (1391) روش های آماری بر اساس اطلاعات نادقیق، رساله دکترای آمار، دانشگاه صنعتی اصفهان، دانشکده علوم ریاضی. 
 
[2] طاهری، س.م. (1396) رویکردهای ابتکاری در رگرسیون فازی، اندیشه آماری، 22 (شماره 2)، 43-52.
 
[3] میرزایی یگانه، ش.، ارقامی، ن. ر. (1386) رگرسیون فازی: مروری بر چند رویکرد، اندیشۀ آماری، 12، 35-47.
 
[4] ولی زاده، ت. (1391) اسپلاین های تطبیقی و غیر تطبیقی در مدل های رگرسیونی نیمه پارامتری، رساله کارشناسی ارشد آمار، دانشگاه صنعتی شاهرود، دانشکده ریاضی.
 
[5] Chachi J., Taheri, S. M., Pazhand, H. R., (2016) Suspended Load Estimating Using L1-Fuzzy Regression, L2-Fuzzy Regression and MARS-Fuzzy Regression Model., Hydrological Science Journal, 6, 1489-1502.
 
[6] Chen, S. P. and Dang, J. F. A (2008) Variable Spread Fuzzy Linear Regression Model With Higher Explanatory power and Forecasting Accuracy, Information Sicience, 38, 3973-3988.
 
[7] Friedman, J. H. (1990) Multivariate adaptive regression splines. Ann. Statist., 19, 11-41.
 
[8] Hastie, T., Tibshirani, R. and Friedman, J. H. (2009) The elements of statistical learning Data mining, Inference and prediction, 2nd Ed., Springer, New York.
 
[9] Khammar A., Arefi, M., Akbari, M. (2021) A general approach to fuzzy regression models based on different loss functions, Soft Computing, 25(2), 1-15.
 
[10] Khammar A., Arefi M., Akbari M. (2020) Robust fuzzy varying coefficient regression model based on Huber loss function, 2020 8th Iranian Joint Congress on Fuzzy and intelligent Systems (CFIS), September 2-4, 2020, Mashhad, Iran.
 
[11] Kelkinnama, M. and Taheri, S.M. (2012) Fuzzy Least-Absolute Regression Using Shape Preserving Operation, Information Sciences, 214, 105-120.
 
[12] Salford System. (2001) MARS user guide.
 
[13] Zeng W., Feng Q. and Li J. (2017) Fuzzy least absolute linear regression, Applied Soft Computing, 52, 1009-1019.
 
[14] Jiang, L. and Liao, H. (2020) Mixed fuzzy least absolute regression analysis with quantitative and probabilistic linguistic information, Fuzzy Sets and Systems, 387, 35-48.