Metodologi Principal Hessian Direction (PHD) termodifikasi untuk reduksi dimensi dan visualisasi data

DARINI, Sri, Prof. Drs. Suryo Guritno, M.Stats, Ph.D

2008 | Tesis | S2 Matematika

Diberikan masalah regresi non linear dengan prediktornya memuat kesalahan. Diasumsikan bahwa respon terhubung dengan kombinasi linear prediktor berdimensi-p melallui suatu fungsi. Sebagai pengganti mengamati prediktor, diamati vektor wakil dengan sifat bahwa harga harapannya terhubung secara linear dengan prediktor dan variansinya konstan. Selanjutnya dilakukan transformasi linear terhadap vektor wakil mennggunakan transformasi linear. Berdasarkan vektor hasil transformasi linear, dikonstruksi metode Principal Hessian Direction (PHD) termodifikasi untuk mengestimasi subruang dari ruang reduksi dimensi efektif. Hasil selanjutnya , diturunkan variansi asimtotik dari metode PHD termodifikasi.

We consider a non linear regression problem with predictors with measurement error, We assume that the response is related to unknown linear combinations of a p-dimensional predictor vector through an unknown link function. Instead of observing the predictors, We observe a surrogate vector with the property that its expectation is linearly related to the prsdictor vector with constant variance. We use an important linear transformation of the surrogates. Based of transformad variables, we develop the modified Principal Hessian Direction method for estimating the subspace of effective dimention reduction space. We derive the asymptotic variance of the modified Principal Hessian Diretions estimators.

Kata Kunci : Visualisasi data,Reduksi dimensi,Error variable,Principal Hessian Direction,PHD