基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高维数据的变量选择一直是统计学领域的热门研究方向。本文研究SICA罚估计在线性模型变量选择中的应用,结合LLA (Local linear approximation)和坐标下降算法给出一种有效的迭代算法,并提出BIC准则选择正则化参数。实际数据的分析表明,与其他变量选择方法相比较,SICA方法在参数估计精度和变量选择方面具有较好的表现。
推荐文章
基于混合准则的软测量建模辅助变量选择方法
关键过程变量
辅助变量选择
混合整数非线性规划
BIC准则
主因子逼近方法在变量选择中的应用
变量选择
主因子近似
偏最小二乘
变量共线性
基于虚假最近邻点GT准则的化工模型变量选择
变量选择
Gamma检验
虚假最近邻点
化工建模
基于Bayesian Lasso方法的变量选择和异常值检测
变量选择
异常值
Bayesian Lasso方法
Gibbs抽样
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SICA罚的变量选择及应用
来源期刊 统计学与应用 学科 工学
关键词 SICA罚 变量选择 参数估计 线性模型 BIC准则
年,卷(期) 2021,(1) 所属期刊栏目
研究方向 页码范围 145-150
页数 6页 分类号 TP3
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SICA罚
变量选择
参数估计
线性模型
BIC准则
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
统计学与应用
双月刊
2325-2251
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
512
总下载数(次)
3
总被引数(次)
0
论文1v1指导