基于广义SELO惩罚的高维变量选择

• 作者: 余吉昌 曹永秀 焦雨领 石跃勇
• 来源期刊: 数学杂志
• 学科: 数学
• 关键词: 连续化策略 坐标下降 高维BIC 局部线性逼近 惩罚最小二乘
• 年，卷（期）: 2018,（6）
• 页码范围: 990-998
• 页数: 9页
• 分类号: O212.1
• 字数: 1643字
• 语种: 中文
• DOI: 10.3969/j.issn.0255-7797.2018.06.004

摘要

本文考虑高维线性模型中的变量选择和参数估计.提出了一种广义的SELO方法求解惩罚最小二乘问题.一种坐标下降算法结合调节参数的一种连续化策略和高维BIC被用来计算相应的GSELO-PLS估计.模拟研究和实际数据分析显示了提出方法的良好表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余吉昌	中南财经政法大学统计与数学学院	3	0	0.0	0.0
2	曹永秀	中南财经政法大学统计与数学学院	4	4	1.0	2.0
3	焦雨领	中南财经政法大学统计与数学学院	5	4	1.0	2.0