<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1402</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2023</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>17</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تحلیل داده‌های با بعد بالا با استفاده از رگرسیون بردار پشتیبان تعمیم یافته،  رگرسیون تابعی، رگرسیون ستیغی و لاسو</title_fa>
	<title>Analysis of High Dimensional Data Using Development Support Vector Regression, Functional Regression, Ridge and Lasso Regression</title>
	<subject_fa>استنباط آماری</subject_fa>
	<subject>Statistical Inference</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;rtl&quot;&gt;تحلیل داده&#8204;های با بعد بالا با استفاده از روش&#8204;های رگرسیون کلاسیک انجام پذیر نیست و ممکن است نتایج آن گمراه کننده باشد.&lt;br&gt;
&amp;nbsp;&amp;nbsp; &amp;nbsp;در این تحقیق سعی شده است با معرفی تکنیک&#8204;های جدید و قدرتمندی مانند رگرسیون بردار پشتیبان، رگرسیون تابعی، رگرسیون&amp;nbsp; ستیغی و لاسو، به واکاوی این&#8204;گونه داده&#8204;ها پرداخته شود.&amp;nbsp; در این راستا، با تحلیل دو مجموعه داده بعد بالا (داده&#8204;های مربوط به تولید ریبوفلاوین و شبیه&#8204;سازی شده) با روش&#8204;های 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 داده&#8204;ها پرداخته می&#8204;شود.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p&gt;&amp;lrm;The high-dimensional data analysis using classical regression approaches is not applicable, and the consequences may need to be more accurate.&lt;br&gt;
This study tried to analyze such data by introducing new and powerful approaches such as support vector regression, functional regression, LASSO and ridge regression. On this subject, by investigating two high-dimensional data sets&amp;nbsp; (riboflavin and simulated data sets) using the suggested approaches, it is progressed to derive the most efficient model based on three criteria (correlation squared, mean squared error and mean absolute error percentage deviation) according to the type of data.&lt;/p&gt;</abstract>
	<keyword_fa>داده‌های با بعدبالا, رگرسیون بردار پشتیبان, رگرسیون تابعی, رگرسیون  ستیغی, رگرسیون لاسو</keyword_fa>
	<keyword>Functional regression‎, ‎High dimensional data‎,  ‎Lasso regression‎,  ‎Ridge regression‎, ‎Support vector regression.</keyword>
	<start_page>81</start_page>
	<end_page>102</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-835-7&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>arta</first_name>
	<middle_name></middle_name>
	<last_name>roohi</last_name>
	<suffix></suffix>
	<first_name_fa>آرتا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>روحی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ar.ro@yahoo.com</email>
	<code>4560160112</code>
	<orcid>10031947532846009091</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Semnan University</affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


	<author>
	<first_name>fatemeh</first_name>
	<middle_name></middle_name>
	<last_name>jahadi</last_name>
	<suffix></suffix>
	<first_name_fa>فاطمه</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>جهادی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ja.fa@yahoo.com</email>
	<code>4560256114</code>
	<orcid>10031947532846009092</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Semnan University</affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


	<author>
	<first_name>Mahdi</first_name>
	<middle_name></middle_name>
	<last_name>Roozbeh</last_name>
	<suffix></suffix>
	<first_name_fa>مهدی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>روزبه</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mahdi.roozbeh@semnan.ac.ir</email>
	<code>3932813111</code>
	<orcid>10031947532846009093</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Semnan University</affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


	<author>
	<first_name>Saeed</first_name>
	<middle_name></middle_name>
	<last_name>Zalzadeh</last_name>
	<suffix></suffix>
	<first_name_fa>سعید</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>زالزاده</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>saa_zalzadeh@yahoo.com</email>
	<code>1971430651</code>
	<orcid>10031947532846009094</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Semnan University</affiliation>
	<affiliation_fa>دانشگاه سمنان</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
