×
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。