收藏本站
《数理统计与管理》 2019年01期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

高维混料模型的LASSO变量选择

冷薇  李俊鹏  张崇岐  
【摘要】:变量选择是统计建模中重要的问题。当试验数据维数很高时,传统变量选择方法的应用受到了很多制约。本文以高维混料试验为基础,比较了AIC准则和LASSO在变量选择问题上的优良性。通过实例验证,LASSO可以快速且准确地对高维混料模型中的变量进行筛选,从而得出最优模型,达到降低成本、提高利益的目的。

【参考文献】
中国期刊全文数据库 前2条
1 李根;邹国华;张新雨;;高维模型选择方法综述[J];数理统计与管理;2012年04期
2 王大荣;张忠占;;线性回归模型中变量选择方法综述[J];数理统计与管理;2010年04期
【共引文献】
中国期刊全文数据库 前10条
1 董晓强;许树红;陶然;王彤;;高维组学数据分析中的贝叶斯变量选择方法[J];中华流行病学杂志;2017年05期
2 王小燕;谢邦昌;马双鸽;方匡南;;高维数据下群组变量选择的惩罚方法综述[J];数理统计与管理;2015年06期
3 李毓;张春霞;王冠伟;;线性回归模型的Boosting变量选择方法[J];工程数学学报;2015年05期
4 李佳蓓;朱永忠;王明刚;;贝叶斯变量选择及模型平均的研究[J];统计与信息论坛;2015年08期
5 李娅南;胡北明;;基于回归模型旅游业对地方经济发展贡献研究——以贵州省为例[J];特区经济;2015年07期
6 胡毅;王珏;杨晓光;;基于面板Logit模型的银行客户贷款违约风险预警研究[J];系统工程理论与实践;2015年07期
7 徐登可;张忠占;;二项-泊松模型的变量选择[J];应用数学学报;2015年04期
8 茅桠捷;李艳婷;;高维数据均值的统计监测[J];数理统计与管理;2015年03期
9 邢伟;孙驰;邹琼琼;王燕庆;柳青峰;;基于平滑削边绝对偏离惩罚技术对大肠癌术前淋巴结转移因素的回顾性分析[J];上海交通大学学报(医学版);2015年04期
10 刘焱青;王钰;李济洪;;基于组块3×2交叉验证t检验的模型选择算法[J];陕西科技大学学报(自然科学版);2015年01期
【二级参考文献】
中国期刊全文数据库 前4条
1 王大荣;张忠占;;线性回归模型中变量选择方法综述[J];数理统计与管理;2010年04期
2 王大荣;张忠占;;联合广义线性模型中的变量选择(英文)[J];应用概率统计;2009年03期
3 李东风;郑忠国;;最优线性回归的计算方法[J];数理统计与管理;2008年01期
4 王大荣;张忠占;;联合广义线性模型中的变量选择[J];统计研究;2007年04期
【相似文献】
中国期刊全文数据库 前10条
1 刘睿智;杜溦;;基于LASSO变量选择方法的投资组合及实证分析[J];经济问题;2012年09期
2 樊亚莉;;分位数回归模型中的两步变量选择(英文)[J];上海师范大学学报(自然科学版);2015年03期
3 牟建波;刘赪;;基于惩罚方法的贝叶斯群组变量选择[J];绵阳师范学院学报;2017年02期
4 戴伯新;;回归变量选择中的数据诊断[J];应用概率统计;1992年04期
5 王银辉;徐文科;;基于风险函数评价自变量选择对预测的影响[J];哈尔滨师范大学自然科学学报;2012年01期
6 王大荣;张忠占;;线性回归模型中变量选择方法综述[J];数理统计与管理;2010年04期
7 张庆;李云霞;;函数型变量选择法用于空气质量影响因素实证分析[J];安庆师范大学学报(自然科学版);2017年04期
8 李扬;许文甫;马双鸽;;污染数据的稳健稀疏成组变量选择方法研究[J];统计与信息论坛;2018年06期
9 徐安察;王玮明;;应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J];赤峰学院学报(自然科学版);2014年19期
10 钟先乐;樊亚莉;张探探;;基于t函数的稳健变量选择方法[J];上海理工大学学报;2017年06期
中国重要会议论文全文数据库 前1条
1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集(下卷)[C];2000年
中国博士学位论文全文数据库 前10条
1 王延新;高维模型的变量选择与稀疏正则化[D];武汉大学;2013年
2 李子林;高维基因数据中的统计方法[D];清华大学;2016年
3 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年
4 姬永刚;分位数回归中的贝叶斯变量选择[D];东北师范大学;2012年
5 苏盈盈;基于核方法的非线性系统变量选择及其应用[D];重庆大学;2014年
6 王歆旸;几类整值时间序列模型的拟似然推断和变量选择问题[D];吉林大学;2017年
7 袁裕泽;半参数模型和近单位根过程的统计推断[D];浙江大学;2011年
8 付光辉;高维的强相关数据的模型选择[D];中南大学;2011年
9 Muhammad Amin;高维惩罚分位数回归建模及其应用[D];大连理工大学;2015年
10 曹红艳;基于惩罚回归的纵向数据罕见变异关联分析[D];山西医科大学;2017年
中国硕士学位论文全文数据库 前10条
1 贾元乔;基于lasso的两级变量选择方法[D];浙江大学;2013年
2 耿莹;Random Lasso在Logistic模型中的应用研究[D];暨南大学;2018年
3 郝宽;Lasso及其改进方法在变量选择中的优劣性研究[D];哈尔滨工业大学;2018年
4 武杰;Logistic回归中的随机Lasso方法[D];北京建筑大学;2018年
5 屈亚蓉;两类半参数模型的众数回归与变量选择[D];兰州理工大学;2018年
6 何晓申;基于纵向生存数据模型的变量选择[D];兰州财经大学;2018年
7 祝根;稀疏高维常微分方程的估计和变量选择[D];华东师范大学;2018年
8 王皓天;超高维回归中变量选择问题的应用研究[D];暨南大学;2017年
9 赵浪;区间删失数据下两类回归模型的贝叶斯自适应Lasso变量选择[D];长春工业大学;2018年
10 韦新星;几种变量选择方法在Cox模型中的应用[D];广西大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026