Datenbasierte Optimierung, R Programmierung und Anwendung (PDF)
Ein inexaktes Newton-Verfahren für die LASSO-Regression
Studienarbeit aus dem Jahr 2017 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,3, Technische Universität Ilmenau, Sprache: Deutsch, Abstract: Dieser Beitrag widmet sich der datenbasierten Optimierung und deren konkreten...
sofort als Download lieferbar
eBook (pdf)
15.99 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Datenbasierte Optimierung, R Programmierung und Anwendung (PDF)“
Studienarbeit aus dem Jahr 2017 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,3, Technische Universität Ilmenau, Sprache: Deutsch, Abstract: Dieser Beitrag widmet sich der datenbasierten Optimierung und deren konkreten Anwendung. Für diesen Zweck wird eine Lösungsmethode aufgestellt, in der die Pseudo-Huber-Regularisierung, die inexakte Newton-Methode, das GMRES Verfahren und die Armijo-Regel angewandt werden.
Ziel dabei ist, die Leistung einer Lösungsmethode auf Basis der inexakten Newton-Verfahren für die LASSO-Regression anhand einer Programmiersequenz in R zu implementieren und zu bewerten.
Ziel dabei ist, die Leistung einer Lösungsmethode auf Basis der inexakten Newton-Verfahren für die LASSO-Regression anhand einer Programmiersequenz in R zu implementieren und zu bewerten.
Bibliographische Angaben
- Autor: Daniela Rocio Cely Hernandez
- 2021, 1. Auflage, 29 Seiten, Deutsch
- Verlag: GRIN Verlag
- ISBN-10: 3346471500
- ISBN-13: 9783346471505
- Erscheinungsdatum: 24.08.2021
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 0.82 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Datenbasierte Optimierung, R Programmierung und Anwendung"
Schreiben Sie einen Kommentar zu "Datenbasierte Optimierung, R Programmierung und Anwendung".
Kommentar verfassen