Datenbasierte Optimierung, R Programmierung und Anwendung

Ein inexaktes Newton-Verfahren für die LASSO-Regression


Hausarbeit, 2017

29 Seiten, Note: 1,3


Leseprobe


Inhaltsverzeichnis

Inhaltsverzeichnis

1 Einleitung

2 LASSO-Regression
2.1 Grundlagen
2.2 Über die Methode der kleinsten Quadrate hinaus
2.3 Formulierung einer Lasso-Regression

3 Eine Newton-GMRES Methode für die LASSO-Regression
3.1 Newton-GMRES-verfahren
3.2 Das Schrittweitenverfahren von Armijo

4 Implementierung der Lösungsmethode
4.1 Datensätze und experimentelle Parameter
4.2 R-Programmierung, Bibliotheken (linear algebra) und R Packages

5 Auswertung der Ergebnisse
5.1 Verifikation
5.2 Auswertung der Genauigkeit
5.3 Auswertung der Ausführungszeit

6 Zusammenfassung und Ausblick

Literaturverzeichnis

Ende der Leseprobe aus 29 Seiten

Details

Titel
Datenbasierte Optimierung, R Programmierung und Anwendung
Untertitel
Ein inexaktes Newton-Verfahren für die LASSO-Regression
Hochschule
Technische Universität Ilmenau
Note
1,3
Autor
Jahr
2017
Seiten
29
Katalognummer
V1050348
ISBN (eBook)
9783346471505
ISBN (Buch)
9783346471512
Sprache
Deutsch
Schlagworte
inexaktes Newton-Verfahren, LASSO-Regression, Newton-GMRES-verfahren, Schrittweitenverfahren von Armijo
Arbeit zitieren
Daniela Rocio Cely Hernandez (Autor:in), 2017, Datenbasierte Optimierung, R Programmierung und Anwendung, München, GRIN Verlag, https://www.grin.com/document/1050348

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Datenbasierte Optimierung, R Programmierung und Anwendung



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden