ترجمه فارسی مقاله شاخه و محدود به ارزیابی ثبات ضرایب رگرسیون در مدلهای نامشخص

چکیده

It can be difficult to interpret a coefficient of an uncertain model. A slope coefficient of a regression model may change as covariates are added or removed from the model. In the context of high-dimensional data, there are too many model extensions to check. However, as we show here, it is possible to efficiently search, with a branch and bound algorithm, for maximum and minimum values of that adjusted slope coefficient over a discrete space of regularized regression models. Here we introduce our algorithm, along with supporting mathematical results, an example application, and a link to our computer code, to help researchers summarize high-dimensional data and assess the stability of regression coefficients in uncertain models.

چکیده به فارسی (ترجمه ماشینی)

تفسیر ضریب یک مدل نامشخص می تواند دشوار باشد.ضریب شیب یک مدل رگرسیون ممکن است با افزودن متغیرهای متغیر یا از مدل تغییر کند.در زمینه داده های با ابعاد بالا ، پسوندهای مدل زیادی برای بررسی وجود دارد.با این حال ، همانطور که در اینجا نشان می دهیم ، می توان با یک شاخه و الگوریتم محدود ، برای حداکثر و حداقل مقادیر آن ضریب شیب تنظیم شده در یک فضای گسسته از مدلهای رگرسیون منظم ، به طور مؤثر جستجو کرد.در اینجا ما الگوریتم خود را به همراه پشتیبانی از نتایج ریاضی ، یک برنامه مثال و پیوندی به کد رایانه خود معرفی می کنیم تا به محققان کمک کنیم تا داده های با ابعاد بالا را خلاصه کنند و ثبات ضرایب رگرسیون را در مدلهای نامشخص ارزیابی کنند.