Noskov S.I. O klasterizacii dannykh na osnove svojstv metodov identifikacii parametrov linejnoj regressii [On data clustering based on properties of methods for identification of linear regression parameters] // Informacionnye tehnologii i matematicheskoe modelirovanie v upravlenii slozhnymi sistemami: ehlektronnyj nauchnyj zhurnal [Information technology and mathematical modeling in the management of complex systems: electronic scientific journal], 2022. No. 4(16). P. 82-85. DOI: 10.26731/2658-3704.2022.4(16).82-85 [Accessed 23/12/22].
10.26731/2658-3704.2022.4(16).82-85
The paper proposes a method for clustering a data sample when constructing a linear regression model, based on the properties of the methods of least absolute deviation and anti-robust parameter estimation. The first of them ensures that the number of approximation errors equals zero, which is not less than the number of model parameters, and for the second, the number of maximum errors in absolute value is not less than the number of parameters plus one.
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.