高维数据挖掘中的正则化估计新方法

• 作者: 李泽安 陈建平
• 来源期刊: 宁夏大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 高维数据 变量选择 正则化估计 LASSO 坐标算法
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 数学
• 页码范围: 342-345,349
• 页数: 5页
• 分类号: TP312
• 字数: 4681字
• 语种: 中文

摘要

针对高维数据的特点并基于线性回归模型,利用变量选择降维技术,提出了一种新的、有效的变量选择(或称特征提取)的正则化估计方法.新的正则化估计方法主要考虑了数据的噪声(方差)对正则化估计的影响,在寻找估计的正则化路径时能对方差进行有效估计,且基于凸优化问题的KKT条件和坐标算法思想给出了正则化估计算法的实施细节.实验结果表明,该方法能够提高高维数据集进行估计和变量选择的准确性,是高维数据挖掘中新的、有效的特征提取方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李泽安	南通大学计算机科学与技术学院	31	104	4.0	9.0
2	陈建平	南通大学计算机科学与技术学院	53	327	10.0	15.0