Buradasınız

MODELLEMEDE YENİ BİR YAKLAŞIM: OTOMATİK MODEL SEÇİMİ

Journal Name:

Publication Year:

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Recently automatic model selection has become an option both as a result of the increase in the processing power and the memory capacity of the computers and the development of effective methods. Among the many, often debated, model selection methods proposed in the literature PcGets, RETINA and model selection using genetic algorithms are the more prominent ones. These methods, starting with an initial model fry to select the best model doing a search in the model-space. During various stages of search, in order to choose among models, in addition to the various statistical tests they use information criteria including Akaike Information Criterion (AIC). The procedures can be considered as different but not irreconcilable approaches that try to explain a data set. Depending on the prior information, the aim of the model and the experience of the researcher, one of them may be better than the others on the basis of application.
Abstract (Original Language): 
Hem bilgisayarların bellek ve işlem kapasitesinin artması hem de elkiıı yöntemlerin geliştirilmesi sayesinde otomatik model seçimi yakın zamanda bir seçenek haline gelmiştir. Literatürde önerilen model seçimiyle ilgili çoğu tartışmalı, çok sayıda yaklaşım arasında PcGets, RETİNA ve Genetik Yordamlar Kullanarak Model Seçme (GYKMS) öne çıkmaktadır. Bu yöntemler model uzayında çeşitli başlangıç modellerinden hareketle bir arama yaparak en doğru modeli seçmeye çalışmaktadır. Bu arama sırasında çeşitli istatistiksel testlerin yanında değişik aşamalarda modeller arasında tercih yaparken başta Akaike Enformasyon Ölçütü (AIC) olmak üzere değişik enformasyon ölçütleri de kullanmaktadırlar. Yordamlar bir veri kümesini açıklamaya çalışan, farklı ama bağdaşmaz olmayan yaklaşımlar olarak değerlendirilebilir, Öncül bilgiye, modelin kullanma amacına ve araştırmacının deneyimine göre uygulama bazında biri diğerlerinden daha yararlı olabilir.
1-14

REFERENCES

References: 

Akaikc, H. (1973). 'Information theory and an extension of the maximum likelihood principle', B. N. Petrov, F. Csaki (Deri.) içinde, Second International Symposium on Information Theory, 267-281. Budapeşte: Academiai Kiado.
Akın, H. L. (1997). 'Evrimsel Hesaplama: Yapay Sorulara Doğal Bir Yanıt,' Endüstri&Otomasyon, 9, 12-16.
Akın, M. (2001). 'Yapay Sinir Ağları', İ.Ü. S.B.E. Dergisi, 25, 7-19.
Akın, M. (2002). 'Yapay Sİnİr Ağlarının Ekonomide Uygulamaları', t.Ü. S.B.F. Dergisi, 26, 7­16.
Balcombe, K. G. (2005), 'Model Selection Using Information Criteria and Genetic Algorithms', Computational Economics, 25, 207-228.
Campos, J. Hendry, D. F. ve Krolzİg, H. M. (2003). 'Consistent Model Selection by an Automatic Gets Approach', Oxford Bulletin of Economics and Statistics, 65, 803-819.
Castle, J. L. (2005), 'Evaluating PcGets and RETINA as Automatic Model Selection Algorithms', Oxford Bulletin of Economics and Statistics, 67, Supplement, 837-880.
Harman, E. J. ve Quinp. 1. G, (İ979). 'The determination of the order of an autoregression', Journal of the .voyal Statistical Society, B, 41, 190-195.
Hendry, D. F. (2000). 'Epilogue: The Success of General-To-Specific Model Selection', Econometrics: Alchemy or Science?, 467-, Oxford University Press.
Hendry, D.F. ve Krolzig, H. M. (2004). 'Sub-sample model selection procedures in general-lo-specific Modelling', R. Becker ve S. Hum (derl.), Contemporary Issues in Economics and Econometrics: Theory and Applications içinde , 53-75, Edward Elgar.
Hoover, K, D, ve Perez, S. J, (1999). 'Data mining reconsidered: encompassing and the general-to-specific approach to specification search', Econometrics Journal, 2, 167-191.
Krolzig, H.-M. ve Hendry, D. F. (2001), 'Computer automation of general-to-specific model selection procedures', Journal of Economic Dynamics and Control, 25, S31-866.
Perez-Amaral, T., Galio, G. M. ve White, H. (2003). 'A flexible tool for model building: the relevant transformation of the inputs network approach (RETINA)', Oxford Bulletin of Economics and Statistics, 65, 821-838.
Pcrcz-Amaral, T., Gallo, G. M. ve White, H. (2005). 'A comparison of complementary automatic modelling methods: RETINA and PcGets', Econometric Theory, 21,262-277.
Phillips, P.C.B. (1995). 'Bayesian model selection and prediction with empirical applications', Journal of Econometrics, 69, 289-331.
Schwarz, G. (1978). 'Estimating the dimension of a model', Annals of Statistics, 6, 461-464.
White, H (1998), Artificial Neural Network and Alternative Methods for Assessing Naval Readiness, Teknik Rapor, NeuralNct R&D Associates, San Diego.

Thank you for copying data from http://www.arastirmax.com