Носков С.И. О кластеризации данных на основе свойств методов идентификации параметров линейной регрессии // «Информационные технологии и математическое моделирование в управлении сложными системами»: электрон. науч. журн. – 2022. – №4(16). – С. 82-85 – DOI: 10.26731/2658-3704.2022.4(16).82-85 – Режим доступа: http://ismm-irgups.ru/toma/416-2022, свободный. – Загл. с экрана. – Яз. рус., англ. (дата обращения: 23.12.2022).
10.26731/2658-3704.2022.4(16).82-85
В работе предложен способ кластеризации выборки данных при построении линейной регрессионной модели, основанный на свойствах методов наименьших модулей и антиробастного оценивания параметров. Первый из них обеспечивает равенство нулю числа ошибок аппроксимации, не меньшего числа параметров модели, а для второго число максимальных по модулю ошибок не меньше, чем число параметров плюс единица.
1. Кротов Л.Н., Кротова Е.Л., Рукшин С.А. Математическое моделирование для кластеризации данных на основе обучающей выборки // Международный научно-исследовательский журнал. -2016. - № 5-3 (47). - С. 116-118.
2. Беликова М.Ю., Каранина С.Ю., Глебова А.В. Экспериментальное сравнение алгоритмов кластеризации в задаче группировки данных о грозовых разрядах // Кибернетика и программирование. - 2018. - № 1. - С. 15-2-6.
3. Печеный Е.А., Нуриев Н.К., Старыгина С.Д. Динамическая кластеризация потока больших данных // Математические методы в технике и технологиях - ММТТ. - 2019. - Т. 3. - С. 19-21.
4. Ляховец А.В. Исследование динамической кластеризации линейно неразделимых зашумленных данных различных объемом с помощью модифицированного алгоритма Хамелеон // Международный научно-исследовательский журнал. - 2013. - № 10-2 (17). - С. 55-61.
5. Носков С. И., Ильюшонок Д. М. Подход к кластеризации выборки данных на основе метода наименьших модулей // Южно-Сибирский научный вестник. - 2020. - № 6. - С. 255-259.
6. Носков С.И. Применение метода антиробастного оценивания параметров для кластеризации выборки данных // Вестник кибернетики. - 2021. - № 3 (43). - С. 46-50.
7. Лакеев А.В., Носков С.И. Метод наименьших модулей для линейной регрессии: число нулевых ошибок аппроксимации // Современные технологии. Системный анализ. Моделирование. - 2012. - № 2. - С. 48-50.
8. Носков С.И. Метод антиробастного оценивания параметров линейной регрессии: число максимальных по модулю ошибок аппроксимации // Южно-Сибирский научный вестник. - 2020. - № 1 (29). - С. 51-54.
9. Дрейпер Н, Смит Г. Прикладной регрессионный анализ, 3-е изд. – Вильямс. - 2016. - 912 с.