基于Logistic回归模型的高维数据变量选择方法比较研究

• 作者: 廖丹
• 来源期刊: 统计学与应用
• 学科: 经济
• 关键词: 高维数据 变量选择 LOGISTIC回归模型
• 年，卷（期）: 2019,（3）
• 页码范围: 553-559
• 页数: 7页
• 分类号: F2

摘要

高维数据已成为现代大数据分析中的热点研究领域。变量选择是一种被广泛用于高维数据分析问题的方法。文献中已出现大量高维变量选择方法,为研究其中有影响的几种方法的适用范围和利弊,本文考虑了lasso、自适应lasso等变量选择方法来研究logistic回归模型中的变量选择问题。首先,通过随机模拟实验研究,分别在低维和高维的情况下比较不同变量选择方法的预测和变量选择效果。然后,在实际数据集中做进一步地实证比较研究。研究结果表明:在同等条件下,自适应lasso在模型预测和可解释性方面均比lasso更具优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖丹	北方工业大学理学院	3	4	1.0	2.0