یکی از محدودیت‎های انواع داده ها از جمله داده های پانلی وجود خطای اندازه گیری است. در تحلیل رگرسیون، برحسب عادت مسأله خطای اندازه گیری نادیده گرفته می شود. در حالی که اگر چنین مشکلی در متغیرهای توضیحی وجود داشته باشد، فرض اساسی مدل رگرسیون خطی کلاسیک مبنی برعدم وجود همبستگی بین متغیر توضیحی و خطای مدل نقض می شود و در نتیجه برآوردگرهای حداقل مربعات اریب و ناسازگار خواهند شد. جهت تعدیل خطای اندا...

در سال های اخیر‏، جریان داده ها‏، توجه بسیاری از محققان را در حوزه های مختلف‎ ‎‎به خود جلب کرده است. از نظر هر سامانه، جریان داده ها، داده هایی با حجم بسیار بالا می باشند که به صورت افزایشی و با نرخ بالا به آن سامانه وارد می شوند. به دلیل حجم بسیار بالای این نوع داده ها، ذخیره سازی آن ها امری مقرون به صرفه نیست.‎‎‎از مهم ترین چالش های موجود در یادگیری جریان داده ها، تغییر الگوی توزیع داده ها در...

یکی از مسائل مهم در زمینه داده کاوی، مسأله دسته بندی مجموعه داده های نامتوازن است. اصطلاح «مجموعه داده نامتوازن»، عموما به مجموعه داده ای گفته می شود که تعداد نمونه ها در کلاس های گوناگون، اختلاف بسیاری داشته باشند. در این نوع داده ها، به کلاس هایی که کم ترین تعداد نمونه ها را دارند، کلاس اقلیت گفته می شود. به دلیل این که اکثر الگوریتم های یادگیری، یک دسته بند را با فرض برابر بودن تعداد نمونه ه...

پردازش مجموعه داده های نامتوازن در بسیاری از کاربردهای دنیای واقعی، گسترده شده اند. این مسئله زمانی به وقوع می پیوندد که تعداد نمونه های یک یا چندین کلاس موجود در مجموعه داده، نسبت به تعداد نمونه های سایر کلاس ها کمتر باشند. این مشکل به وجود چولگی و عدم توازن در توزیع مجموعه داده ای مربوط شده و باعث ایجاد مشکلات برای بسیاری الگوریتم های معمول یادگیری ماشین می شود. در حقیقت، هدف اصلی یادگیری، به...

داده های پانلی به مجموعه داده هایی گفته می شود که بر اساس آن مشاهدات به وسیله تعداد زیادی از متغیرهای مقطعی (n) که اغلب به صورت تصادفی انتخاب می شوند در طول یک دوره زمانی (t) مشخص مورد بررسی قرار گرفته باشند. در این صورت این n×t داده ی آماری را داده های پانلی یا داده های مقطعی-سری زمانی می نامند. به عبارت دیگر اگر ویژگی های داده های مقطعی برای دو سال یا بیشتر مورد بررسی قرار گیرند، ساختار شکل گ...

اگر مشاهدات از لحاظ موقعیت قرار گرفتن در فضای مورد مطالعه به یکدیگر وابسته باشند، داده های فضایی هستند. همچنین داده های فضایی که در زمان های متوالی به دست آیند، داده های فضایی-زمانی و اگر این داده ها در طول زمان مستقل باشند، داده های پانلی فضایی نامیده می شوند. به دلیل وجود همبستگی فضایی یا فضایی-زمانی بین آن ها، لازم است به نحوی ساختار همبستگی آنها تعیین و در مدل بندی محسوب شود. این کار مستلزم...

سرطان، یکی از دلایل اصلی مرگ در سراسر جهان است. در این بیماری، سلول های بدن به صورت غیر قابل کنترل رشد می کنند. گروهی از سلول هایی که به سرعت تکثیر شده اند، ممکن است یک توده، جرم یا بافت اضافی ایجاد کنند. این توده ها، تومور نامیده می شوند. توده ها می توانند سرطانی یا غیرسرطانی باشند. سرطان سینه، دومین عامل مرگ زنان است. این بیماری در میان مردان و زنان دیده شده، گرچه موارد ابتلا در میان مردان نا...