@misc{Kubus_Mariusz_Analiza_2011, author={Kubus, Mariusz}, year={2011}, rights={Wszystkie prawa zastrzeżone (Copyright)}, publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu}, description={Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu = Research Papers of Wrocław University of Economics; 2011; Nr 176, s. 408-416}, language={pol}, abstract={Selekcja zmiennych jest typowym zadaniem data mining, gdzie prowadzący analizę poszukuje interesujących i nieoczekiwanych relacji w danych bez wiedzy początkowej na temat badanego zjawiska. W liniowym modelu regresji, zamiast popularnej procedury krokowej czy też eliminacji zmiennych testem istotności współczynników, do selekcji zmiennych zastosować można metody iteracyjnej estymacji parametrów modelu (np. LARS Efrona i in. [2004]). Celem artykułu jest zbadanie zdolności metody LARS do identyfikowania zmiennych nieistotnych, szczególnie gdy zachodzą między nimi zależności liniowe. Dokonano w nim też porównania z wybranymi metodami selekcji zmiennych.}, title={Analiza metody LARS w problemie selekcji zmiennych w regresji}, type={artykuł}, keywords={selekcja zmiennych, selekcja w algorytmie uczącym, metoda LARS}, }