Kesirli polinomlarda kuvvet seçimi için genetik algoritmaların kullanımı

Regresyon modeli kurmada, araştırmacılar sık sık açıklayıcı değişken sayısının çok fazla olması durumu ile karşılaşır. Önemli açıklayıcı değişkenlerin bir alt kümesini belirlemek için pek çok değişken seçim yöntemi mevcuttur. Başka bir problem de yanıt ve açıklayıcı değişkenler arasında lineer olmayan ilişki olduğunda modelin nasıl kurulacağıdır. Royston and Altman (1994) yanıt ve açıklayıcı değişkenler arasında lineer olmayan ilişkiyi modellemek için kesirli polinom modellerinin kullanımını önermiştir. Royston ve Altman (1994) tarafından önerilen kesirli polinom modelleri, kuvvetleri kısıtlı bir S = {−2,−1,−0.5,0,0.5,1,2,3} kümesinden fonksiyon seçim yöntemlerine göre seçer. Bu tezin amacı, genişletilmiş bir kümedeki kuvvetleri seçmek için genetik algoritmalar olarak adlandırılan stokastik optimizasyon tekniğini, özel olarak Bayesyen bilgi kriterini minimize ederek uygulamaktır. Gerçek veri kümeleri kullanılarak, genetik algoritmalar ile seçilen kuvvetleri kullanan modeller ile kesirli polinom modelleri karşılaştırılmıştır. Genetik algoritmalar yardımıyla elde edilen modelin, kesirli polinom modelleriyle elde edilenden daha iyi olduğu görülmüştür. ˘