{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA547",
        "title": "مروری بر روش‌های انتخاب متغیر در ‏مدل‌های رگرسیون با بعد بالا",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1398",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA547",
        "title": "مروری بر روش‌های انتخاب متغیر در ‏مدل‌های رگرسیون با بعد بالا",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1398,
        "authors": [
            {
                "name": "سیده فائزه میرسالاری",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "محمد آرشی",
                "role": "استاد راهنما"
            },
            {
                "name": "مینا نوروزی راد",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "اسکد",
            "انتخاب متغیر",
            "بعد بالا",
            "داد‌ه‌های ژنومی",
            "لاسوی گروهی"
        ],
        "abstract": "امروزه به دلیل توسعه تکنولوژی، ذخیره و تحلیل داده‌ها با تعداد متغیرهای زیاد امکان‌پذیر شده است. اما باید به این نکته توجه داشت که چنان‌چه متغیرهای ثبت شده معنی‌دار نبوده یا تعداد آن‌ها زیاد باشد، تکنیک‌های برآورد کلاسیک کارا نبوده و علاوه بر شناسایی و حذف متغیرهای زائد باید از روش‌هایی غیرکلاسیک برای برآورد پارامترهای مدل استفاده کرد. در مدل‌بندی رگرسیونی چنان‌چه برآوردگرهای جریمه‌شده را به‌کار ببریم قادریم هم متغیرهای معنی‌دار را انتخاب کرده و هم پارامترها را برآورد کنیم. در این راستا، چنان‌چه متغیرها طوری گروه‌بندی شده باشند که باید تمامی آن‌ها حذف شوند یا باید همگی در مدل باقی بمانند، می‌توان از برآوردگرهای جریمه‌شده گروهی استفاده کرد. در این پایان‌نامه، با مروری مختصر پیرامون برخی روش‌های مرسوم و پرکاربرد انتخاب متغیر مدرن، برآوردگرهای جریمه‌شده گروهی را مورد بررسی قرار داده و با استفاده از یک سری مطالعات عددی، شبیه‌سازی شده و تحلیل داده واقعی ژنومی کاربرد آن‌ها را در مدل رگرسیون لجستیک تحقیق می‌کنیم.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA547.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}