Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Boscovich Fuzzy Regression Line
Autoři: Skrabanek Pavel | Marek Jaroslav | Pozdílková Alena
Rok: 2021
Druh publikace: článek v odborném periodiku
Název zdroje: Mathematics
Název nakladatele: MDPI
Místo vydání: BASEL
Strana od-do: nestránkováno
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Boscovićova fuzzy regresní přímka Představujeme novou metodu fuzzy lineární regrese. Metoda je schopna fuzzy aproximovat lineární vztah mezi nezávislou a závislou proměnnou. Očekává se, že nezávislá proměnná bude reálné číslo a že závislá proměnná bude trojúhelníkové fuzzy číslo. Na dvaceti souborech dat demonstrujeme, že metoda je spolehlivá a je méně citlivá na odlehlé hodnoty ve srovnání s fuzzy regresními metodami založenými na pravděpodobnostních metodách. Na rozdíl od jiných běžně používaných fuzzy regresních metod je prezentovaná metoda jednoduchá na implementaci a má lineární časovou složitost. Metoda zaručuje nezápornost rozpětí odhadovaných parametrů modelu. fuzzy lineární regrese; nesymetrická trojúhelníková fuzzy čísla; metoda nejmenších absolutních odchylek; Boscovićova fuzzy regresní přímka
eng Boscovich Fuzzy Regression Line We introduce a new fuzzy linear regression method. The method is capable of approximating fuzzy relationships between an independent and a dependent variable. The independent and dependent variables are expected to be a real value and triangular fuzzy numbers, respectively. We demonstrate on twenty datasets that the method is reliable, and it is less sensitive to outliers, compare with possibilistic-based fuzzy regression methods. Unlike other commonly used fuzzy regression methods, the presented method is simple for implementation and it has linear time-complexity. The method guarantees non-negativity of model parameter spreads. fuzzy linear regression; non-symmetric triangular fuzzy number; method of least absolute deviation; Boscovich regression line; outlier