Yılmaz KAYA, Abdullah YEŞİLOVA, M. Nuri ALMALI

Çoklu Doğrusal Regresyonda Uygun Model Seçiminde Genetik Algoritma Yaklaşımının Kullanılması

Çoklu doğrusal regresyon modelinde bağımsız değişken sayısının fazla olması durumunda, bağımlı değişkeni en iyi açıklayan bağımsız değişkenlerin seçilmesi oldukça önemli bir aşamadır. Uygun modelin oluşturulmasında birçok yöntem kullanılmaktadır. Değişken sayısının çok fazla olması durumunda klasik yöntemler yetersiz kalabilmektedir. Klasik yöntemler yerine genetik algoritma yöntemi kullanılarak uygun model seçimi yapılabilir. Bu çalışmada, beden eğitim ve spor alanında elde edilen gerçek bir veri kümesinde, genetik algoritma yaklaşımı kullanılarak en iyi model seçimi yapılmıştır. Sınav mekik sayısını en iyi açıklayan bağımsız değişkenlerin sınav öncesi mekik sayısı ile sınava hazırlanma süresinin olduğu saptanmıştır.

Anahtar Kelimeler:

Optimizasyon, Genetik Algoritma

Using Genetic Algorithm Approach for Select Suıtable Model in Mültiple Linear Regression

The selection of independent variables is an important stage fort he best expression of dependent variable in case of more independent variable in multiple linear regression. A lot of methods have been used for the formation of suitable models. The conventional methods have been insufficient in case of much more variables. The suitable model selection can be made using genetic algorithm instead of conventiona[ methods. In the present stüdy, the best model selection was made using genetic algorithm approach in real data cluster provided fram physical education and sport area. The best independent variables expressing the number of shuttle are determined to be the preexam shuttle number and the period of the preparation for exam.

Keywords:

Optimization, Genetic Algorithm,

PDF

___

Andrew 8., Dan K., 2002. Genetic Algorithm search for large logistic regression models with significant variables. 22. int. Conf. information Technology Interfaces, June 13-16, 2000. Pula. Croatia
Cowgill. M.. 1999. A Genetic Algorithm Approch to Cluster Analysis. An international computer and mathematics with application. 37: 99-108. Draper. N. R.. Smith,H., 1989. Applied regression analysis. John Wiley & Sons, New York.
Franti. P.. and at all, 1997. Genetic Algorithms for large scale clustering problems. The Computer Journal. 40:547-554. .
Goldberg. D., 1989. Genetic Algorithms in Search, Optimization and Machine Learning, Addison- Wesley. Reading MA
Hsiang H.L.. Chorng-S.O.. 2008. Variable selection in clustering for marketing segmentation using genetic algorithms. Expert Systems with Applications 34: 502—510