مدل‌بندي داده‌هاي تابعي با رويكرد رگرسيون مولفه اصلي بر اساس معيار اعتبار سنجي متقابل تعميم يافته

تحليل داده‌هاي تابعي براي توسعه رويكردهاي آماري در داده‌هايي مورد استفاده قرار مي‌گيرد كه داراي ماهيت تابعي و پيوسته هستند و چون اين توابع به فضاهاي با بعد بي‌نهايت تعلق دارند، استفاده از روش‌هاي متداول در آمار كلاسيك براي تحليل آن‌ها، با چالش روبرو است. مشهورترين تكنيك تحليل داده‌هاي آماري، رويكرد مولفه‌هاي اصلي تابعي مي‌باشد كه ابزاري مهم براي كاهش بعد است،در اين مقاله با استفاده از روش رگرسيون مولفه اصلي تابعي براساس جريمه‌ مشتق دوم، ريج و لاسو به تحليل داده‌هاي تابعي آب و هواي كانادا و داده‌هاي تابعي طيف‌سنج پرداخته خواهد شد. بدين منظور براي تعيين مقدار بهينه پارامتر جريمه در روش‌هاي مورد استفاده از اعتبار سنجي متقابل تعميم يافته‏‏، كه معياري معتبر و كارآمد است‏، استفاده مي‌گردد.