基于Bayesian Lasso方法的变量选择和异常值检测

• 作者: 于凤敏 冯牧 尚华 张贝贝
• 来源期刊: 计算机应用研究
• 关键词: 变量选择 异常值 Bayesian Lasso方法 Gibbs抽样
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3586-3589
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.12.013

摘要

针对Bayesian Lasso方法的变量选择和异常值检测进行了研究.该方法是在线性回归模型中引入识别变量,借助于双层Bayesian模型和Gibbs抽样算法,给出识别变量后验概率的计算方法和变量选择的方法,通过比较这些识别变量的后验概率进行异常值定位.最后进行了大量的模拟实验,结果表明,该方法是可行且有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于凤敏	重庆邮电大学数理学院	9	43	4.0	6.0
2	尚华	首都经济贸易大学统计学院	4	22	3.0	4.0
3	张贝贝	首都经济贸易大学统计学院	6	42	4.0	6.0
4	冯牧	中国科学技术大学管理学院	5	15	2.0	3.0