دانلود مقاله ISI انگلیسی شماره 110637
ترجمه فارسی عنوان مقاله

یک مطالعه در مورد اثرات داده های نامتعادل در هنگام سازگاری مدل های رگرسیون لجستیک در محیط زیست

عنوان انگلیسی
A study on the effects of unbalanced data when fitting logistic regression models in ecology
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
110637 2018 7 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 5463 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 11 روز بعد از پرداخت 382,410 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 6 روز بعد از پرداخت 764,820 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Ecological Indicators, Volume 85, February 2018, Pages 502-508

ترجمه چکیده
متغیرهای دودویی دارای دو نتیجه ممکن است: وقوع یا عدم وقوع رویداد (معمولا با مقادیر 1 و 0). داده های باینری در محیط زیست رایج هستند، از جمله مطالعات حضور / عدم حضور، زنده / مرده و تغییر / عدم تغییر. تجزیه و تحلیل رگرسیون لجستیک به طور گسترده ای برای مدل سازی متغیر پاسخ باینری استفاده شده است. داده های نامتقارن (به عنوان مثال، نسبت بسیار بزرگتر از صفر نسبت به آن ها) اغلب در مجموعه های مختلف داده های زیست محیطی یافت می شوند. گاهی اوقات اطلاعات قبل از نصب مدل، متعادل (یعنی همان مقدار از صفر و یکم) متعادل هستند (با این حال، معیارهای آماری تعادل (یا نه) داده ها هنوز مشخص نیست. ما در مقایسه با مدل رگرسیون لجستیک با بررسی خواص آماری پارامترهای برآورد شده و توانایی پیش بینی آن، اثرات آماری داده های متعادل سازی را ارزیابی کردیم. ما از یک مدل پایه جنگل-مرگ و میر به عنوان مرجع استفاده کردیم و با استفاده از شبیه سازی های تصادفی که نشان دهنده پیکربندی های مختلف داده های 0/1 در یک نمونه (سناریوهای داده های نامتقارن) بود، ما مدل رگرسیون لجستیک را با حداکثر احتمال مقایسه کردیم. برای هر سناریو، تعصب و واریانس پارامترهای برآورد شده و چندین شاخص پیش بینی را محاسبه کردیم. ما دریافتیم که تغییرات پارامترهای برآورد شده تحت تاثیر قرار گرفته است، با سناریو داده های متوازن با داشتن کمترین تغییر، بنابراین بر نتیجه استنتاج تاثیر می گذارد. علاوه بر این، قابلیت پیش بینی مدل با تعادل داده ها تغییر می کند، با سناریو داده های متوازن دارای نسبت حساسیت / خاصیت بهتر است. تعادل یا نه، داده هایی که برای نصب مدل های رگرسیون لجستیک مورد استفاده قرار می گیرند ممکن است بر نتیجه گیری هایی که می توانند از مدل نصب شده و برنامه های پس از آن بوجود آیند، تاثیر بگذارند.
ترجمه دقیق تری نیاز دارید؟ سفارش دهید
پیش نمایش مقاله
پیش نمایش مقاله یک مطالعه در مورد اثرات داده های نامتعادل در هنگام سازگاری مدل های رگرسیون لجستیک در محیط زیست

چکیده انگلیسی

Binary variables have two possible outcomes: occurrence or non-occurrence of an event (usually with 1 and 0 values, respectively). Binary data are common in ecology, including studies of presence/absence, alive/dead, and change/no-change. Logistic regression analysis has been widely used to model binary response variables. Unbalanced data (i.e., an extremely larger proportion of zeros than ones) are often found across a variety of ecological datasets. Sometimes the data are balanced (i.e., same amount of zeros and ones) before fitting the model, however, the statistical implications of balancing (or not) the data remain unclear. We assessed the statistical effects of balancing data when fitting a logistic regression model by studying both its statistical properties of the estimated parameters and its predictive capabilities. We used a base forest-mortality model as reference, and by using stochastic simulations representing different configurations of 0/1 data in a sample (unbalanced data scenarios), we fitted the logistic regression model by maximum likelihood. For each scenario we computed the bias and variance of the estimated parameters and several prediction indexes. We found that the variability of the estimated parameters is affected, with the balanced-data scenario having the lowest variability, thus, affecting the statistical inference as well. Furthermore, the prediction capabilities of the model are altered by balancing the data, with the balanced-data scenario having the better sensitivity/specificity ratio. Balancing, or not, the data to be used for fitting a logistic regression models may affect the conclusion that can arise from the fitted model and its subsequent applications.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 5463 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 11 روز بعد از پرداخت 382,410 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 6 روز بعد از پرداخت 764,820 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.