تحلیل داده‌های با بعد بالا با استفاده از روش‌های رگرسیون کلاسیک انجام پذیر نیست و ممکن است نتایج آن گمراه کننده باشد.
در این تحقیق سعی شده است با معرفی تکنیک‌های جدید و قدرتمندی مانند رگرسیون بردار پشتیبان، رگرسیون تابعی، رگرسیون ستیغی و لاسو، به واکاوی این‌گونه داده‌ها پرداخته شود. در این راستا، با تحلیل دو مجموعه داده بعد بالا (داده‌های مربوط به تولید ریبوفلاوین و شبیه‌سازی شده) با روش‌های معرفی شده، به ارزیابی کاراترین مدل با استفاده از سه معیار (مجذور همبستگی، میانگین توان دوم خطا و میانگین انحراف درصد خطای مطلق) با توجه به نوع داده‌ها پرداخته می‌شود.
roohi A, jahadi F, Roozbeh M, Zalzadeh S. Analysis of High Dimensional Data Using Development Support Vector Regression, Functional Regression, Ridge and Lasso Regression. JSS 2023; 17 (1) URL: http://jss.irstat.ir/article-1-804-fa.html
روحی آرتا، جهادی فاطمه، روزبه مهدی، زالزاده سعید. تحلیل داده‌های با بعد بالا با استفاده از رگرسیون بردار پشتیبان تعمیم یافته، رگرسیون تابعی، رگرسیون ستیغی و لاسو. مجله علوم آماری. 1402; 17 (1)
