左,易;托马斯·斯图尔特。;杰弗里·布鲁姆。 具有第二代(p\)值的变量选择。 (英语) Zbl 07619666号 美国统计局。 76,编号2,91-101(2022). MSC公司: 62至XX 统计 关键词:拉索;惩罚回归;第二代\(p\)-值;变量选择 软件:qut(定量);rms(有效值) PDF格式BibTeX公司 XML格式引用 \textit{Y.Zuo}等人,《美国统计》第76卷第2期,第91-101页(2022年;Zbl 07619666) 全文: DOI程序 arXiv公司 OA许可证 参考文献: [1] 布鲁姆,J.D。;达戈斯蒂诺,露西;杜邦,W.D。;Greevy,R.A.Jr.,“第二代p值:统计分析中的改进严格性、再现性和透明度”,《公共科学图书馆·综合》,13,e0188299(2018)·doi:10.1371/journal.pone.0188299 [2] 布鲁姆,J.D。;Greevy,R.A。;韦尔蒂,V.F。;J.R.史密斯。;杜邦,W.D.,“第二代p值介绍”,《美国统计学家》,第73期,第157-167页(2019年)·Zbl 07588199号 [3] 博格丹,M。;范登伯格,E。;萨巴蒂,C。;苏·W。;Candès,E.J.,通过凸优化进行斜率自适应变量选择,应用统计学年鉴,9,1103(2015)·Zbl 1454.62212号 ·doi:10.1214/15-AOAS842 [4] Efroymson,M.,逐步回归——向后和向前看,《数理统计研究所东部地区会议论文集》,27-29(1966) [5] 范,J。;Li,R.,“通过非关联惩罚可能性及其Oracle属性进行变量选择”,《美国统计协会杂志》,96,1348-1360(2001)·兹比尔1073.62547 ·doi:10.1198/016214501753382273 [6] 范,J。;Li,R.,《高维统计挑战:知识发现中的特征选择》,arXiv:preprint math/0602133(2006)·Zbl 1117.62137号 [7] 范,J。;Lv,J.,“超高维特征空间的确定独立筛选”,《皇家统计学会杂志》,B辑,70849-911(2008)·Zbl 1411.62187号 ·doi:10.1111/j.1467-9868.2008.00674.x [8] 范,J。;Lv,J.,“具有np维的非关联惩罚可能性,IEEE信息理论汇刊,57,5467-5484(2011)·Zbl 1365.62277号 [9] 范,J。;Lv,J.,“阈值参数空间中正则化方法的渐近等价性”,《美国统计协会杂志》,1081044-1061(2013)·Zbl 06224986号 [10] 范,Y。;Tang,C.Y.,“高维惩罚可能性下的调谐参数选择,英国皇家统计学会杂志,B辑,531-552(2013)·Zbl 1411.62216号 [11] 贾科比诺,C。;Sardy,S。;Diaz-Rodriguez,J。;Hengartner,N.,“分位数通用阈值,电子统计杂志,117701-4722(2017)·Zbl 1384.62258号 ·doi:10.1214/17-EJS1366 [12] Harrell,F.E.Jr.,Logistic and Ordinal Regression,and Survival Analysis,Regression Modeling Strategies:With Applications to Linear Models(2015),纽约:Springer,New York·Zbl 1330.62001 [13] 哈斯蒂,T。;Tibshirani,R。;Tibshirani,R.,“最佳子集,正向逐步还是拉索?基于广泛比较的分析和建议”,《统计科学》,35,579-592(2020)·Zbl 07307187号 [14] 海因策,G。;Wallisch,C。;Dunkler,D.,“变量选择——执业统计学家的回顾和建议,生物医学杂志,60,431-449(2018)·Zbl 1429.62532号 ·doi:10.1002/bimj.201700067 [15] Janson,L。;费锡安,W。;Hastie,T.J.,“有效自由度:有缺陷的隐喻”,《生物特征》,102479-485(2015)·Zbl 1452.62251号 ·doi:10.1093/biomet/asv019 [16] 约翰逊,K.D。;Lin,D。;Ungar,L.H。;福斯特,D.P。;Stine,R.A.,《(####)和惩罚回归风险比率比较》,arXiv:1510.06319(2015) [17] 考夫曼,S。;Rosset,S.,“何时更多的规则化意味着更少的自由度?充分条件和反例”,《生物统计学》,101771-784(2014)·Zbl 1306.62160号 [18] K.奈特。;Fu,W.,“Lasso型估计的渐近性”,《统计年鉴》,1356-1378(2000)·Zbl 1105.62357号 [19] Kozbur,D.,《高维稀疏线性模型中正向回归的尖锐收敛率》,1253(2018),苏黎世大学:经济系,苏黎士大学工作文件 [20] 冷,C。;Lin,Y。;Wahba,G.,“关于模型选择中拉索和相关程序的说明”,《中国统计》,第16期,第1273-1284页(2006年)·Zbl 1109.62056号 [21] Loh,P.-L。;Wainwright,M.J.,“带非凸性的正则M-估计:局部最优的统计和算法理论”,《机器学习研究杂志》,16,559-616(2015)·Zbl 1360.62276号 [22] Meinshausen,N.,“松弛拉索,计算统计与数据分析,52,374-393(2007)·Zbl 1452.62522号 [23] 明绍森,N。;Bühlmann,P.,“高维图和拉索变量选择,统计年鉴,341436-1462(2006)·兹比尔1113.62082 ·doi:10.1214/09053606000000281 [24] 明绍森,N。;Yu,B.,“高维数据稀疏表示的Lasso类型恢复,统计年鉴,37,246-270(2009)·Zbl 1155.62050号 ·doi:10.1214/07-AOS582 [25] 侯赛因·拉菲伊,M。;Adeli,H.,“房地产单位销售价格估算的新型机器学习模型”,《建筑工程与管理杂志》,14204015066(2016)·doi:10.1061/(ASCE)CO.1943-7862.0001047 [26] Shmueli,G.,“解释还是预测?”,《统计科学》,第25期,第289-310页(2010年)·Zbl 1329.62045号 ·doi:10.1214/10-STS330 [27] 肖特里德,S.M。;Ertefaie,A.,“结果自适应套索:因果推断的变量选择,生物统计学,731111-1122(2017)·Zbl 1405.62203号 ·doi:10.1111/biom.12679 [28] 孙,Q。;江,B。;朱,H。;易卜拉欣,J.G.,“硬阈值回归”,《斯堪的纳维亚统计杂志》,46,314-328(2019)·Zbl 1417.62197号 ·doi:10.1111/sjos.12353 [29] Tibshirani,R.,“通过拉索进行回归收缩和选择,皇家统计学会期刊,B辑,58,267-288(1996)·Zbl 0850.62538号 [30] van de Geer,S。;Bühlmann,P。;Zhou,S.,“潜在未指定模型的自适应和阈值套索(以及套索的下界),电子统计学杂志,5688-749(2011)·Zbl 1274.62471号 ·doi:10.1214/11-EJS624 [31] Wainwright,M.J.,“高维和噪声环境下稀疏恢复的信息理论极限,IEEE信息理论汇刊,555728-5741(2009)·Zbl 1367.94106号 [32] Wainwright,M.J.,使用(####)-约束二次规划(Lasso)恢复高维和噪声稀疏性的锐利阈值,IEEE信息理论汇刊,55,2183-2202(2009)·Zbl 1367.62220号 [33] Wang,H.,“超高维变量筛选的正向回归,美国统计协会杂志,1041512-1524(2009)·Zbl 1205.62103号 ·doi:10.1198/jasa.2008.tm08516 [34] Wang,L。;金,Y。;Li,R.,“超高维非凸惩罚回归的校准”,《统计年鉴》,412505(2013)·Zbl 1281.62106号 [35] 王,S。;翁,H。;Maleki,A.,“哪种桥梁估计器最适合变量选择?”,《统计年鉴》,48,2791-2823(2020)·Zbl 1456.62147号 [36] Wasserman,L。;Roeder,K.,“高维变量选择”,《统计年鉴》,37,2178(2009)·Zbl 1173.62054号 [37] 翁,H。;Feng,Y。;乔晓霞,“超高维线性回归模型中保留后的正则化”,《统计学》,29387-407(2019)·Zbl 1412.62098号 [38] Zhang,C.-H.,“最小凹板惩罚下的几乎无偏变量选择,统计年鉴,38894-942(2010)·Zbl 1183.62120号 ·doi:10.1214/09-AOS729 [39] Zhang,T.,“具有l1正则化的最小二乘回归的一些尖锐性能界限,统计年鉴,372109-2144(2009)·Zbl 1173.62029号 ·doi:10.1214/08-AOS659 [40] 赵,P。;Yu,B.,“关于Lasso的模型选择一致性,机器学习研究杂志,72541-2563(2006)·Zbl 1222.62008年 [41] 郑,Z。;范,Y。;Lv,J.,“高维阈值回归和收缩效应”,《皇家统计学会杂志》,B辑,627-649(2014)·Zbl 1411.62049号 [42] 周,S.,“高维变量选择和统计估计的阈值程序,神经信息处理系统的进展,222304-2312(2009) [43] Zhou,S.,高维变量选择和统计估计的阈值拉索,arXiv:1002.1583(2010) [44] Zou,H.,“自适应套索及其Oracle特性”,《美国统计协会杂志》,1011418-1429(2006)·Zbl 1171.62326号 ·doi:10.1198/016214500000735 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。