×
李明熙;刘玉峰

核连续回归。 （英语） 兹比尔1471.62107

计算。统计数据分析。 68, 190-201 (2013).
摘要：连续回归技术提供了一个吸引人的回归框架，将普通最小二乘法、偏最小二乘法和主成分回归结合在一起。它对给定应用程序的底层回归模型提供了一些见解。此外，它有助于深入了解各种回归技术。尽管有有用的框架，但目前连续统回归的发展仅限于线性回归。在许多应用中，非线性回归是必要的。考虑了利用核学习将连续统回归从线性模型推广到非线性模型。所提出的核连续回归技术非常通用，可以处理非常灵活的回归模型估计。为了快速实现，开发了一种高效算法。数值算例表明了该方法的有效性。

引用于1文件

MSC公司：

62-08 统计问题的计算方法
62J02型 一般非线性回归
62H25个 因子分析和主成分；对应分析

关键词：

连续回归;核回归;常最小二乘方;主成分回归;偏最小二乘法
PDF格式BibTeX公司 XML格式引用
\textit{M.H.Lee}和\textit{Y.Liu}，计算。统计数据分析。68、190--201（2013；Zbl 1471.62107）
全文： DOI程序 链接

参考文献：

[1] Allen，G.I.，通过加权核和正则化自动选择特征，计算与图形统计杂志，22，2，284-299，（2013）
[2] Björkström，A。；Sundberg，R.，《连续体回归的一般观点》，《斯堪的纳维亚统计杂志》，第26、1、17-30页，（1999）·Zbl 0922.62053号
[3] 陈，X。；Cook，D.，《对连续回归及其渐近性质的一些见解》，Biometrika，97，4，985-989，（2010）·Zbl 1204.62129号
[4] 克里斯蒂安尼，N。；Shawe-Taylor，J.，《支持向量机和其他基于核的学习方法简介》，（2000），剑桥大学出版社·Zbl 0994.68074号
[5] 埃夫隆，B。；哈斯蒂，T。；约翰斯通，I。；Tibshirani，R.，最小角回归，《统计年鉴》，32，2，407-499，（2004）·Zbl 1091.62054号
[6] I·弗兰克。；Friedman，J.，一些化学计量学回归工具的统计观点，技术计量学，35，2，109-135，（1993）·Zbl 0775.62288号
[7] Helland，I.S.，偏最小二乘回归和统计模型，斯堪的纳维亚统计杂志，17，97-114，（1990）·Zbl 0713.62062号
[8] Kimeldorf，G。；Wahba，G.，关于切比雪夫样条函数的一些结果，数学分析与应用杂志，33，1，82-95，（1971）·Zbl 0201.39702号
[9] Lin，Y。；张海华，多元非参数回归中的成分选择与平滑，统计学年鉴，34，5，2272-2297，（2007）·Zbl 1106.62041号
[10] 米卡，S。；Schölkopf，B。；Smola，A.J。；穆勒，K.-R。；Scholz，M。；Rätsch，G.，特征空间中的核PCA和去噪，神经信息处理系统的进展，11536-542，（1999）
[11] Naes，T。；Martens，H.，多重共线性数据预测方法的比较，统计中的通信——模拟和计算，14，3，545-576，（1985）·兹比尔0576.62072
[12] 罗西帕尔，R。；Girolma，M。；Trejo，L.J.，非线性回归中特征提取和去噪的核PCA，神经计算与应用，10，231-243，（2000）·Zbl 0989.68112号
[13] 罗西帕尔，R。；Trejo，L.J.，再生核Hilbert空间中的核偏最小二乘回归，机器学习研究杂志，2，2，97-123，（2001）·Zbl 1021.68075号
[14] 罗西帕尔，R。；Trejo，L.J。；Cichocki，A.（采用EM方法提取非线性主成分的核主成分回归。技术代表，（2000））
[15] Schölkopf，B。；Smola，A。；Müller，K.-R.，作为核特征值问题的非线性分量分析，神经计算，101299-1319，（1998）
[16] Serneels，S。；Filzmoser，P。；克罗克斯，C。；Van Espen，P.J.，稳健连续回归，化学计量学和智能实验室系统，76，197-204，（2005）
[17] 肖-泰勒，J。；Cristianini，N.，模式分析的内核方法，（2004），剑桥大学出版社
[18] 斯通，M。；Brooks，R.J.，《连续回归：包含普通最小二乘、偏最小二乘和主成分回归的交叉验证顺序构建预测》，英国皇家统计学会杂志。B系列（方法论），52，2237-269，（1990年），经作者讨论和回复·Zbl 0708.62054号
[19] Sundberg，R.，《连续回归和岭回归》，《皇家统计学会杂志》。B系列（方法学），55，3，653-659，（1993）·Zbl 0783.62049号
[20] Vapnik，V.N.，《统计学习理论》（1998年），威利国际科学出版社·兹比尔0935.62007
[21] Walczak，B。；Massart，D.，径向基函数-偏最小二乘法作为一种灵活的非线性回归技术，《分析化学学报》，331，177-185，（1996）
[22] Wold，S.，通过潜在变量进行软建模；非线性迭代偏最小二乘法，（概率与统计的观点，M.S.Bartlett的荣誉论文，（1975）），520-540
[23] 张，H.H。；Cheng，G。；Liu，Y.，线性还是非线性？部分线性模型的自动结构发现，《美国统计协会杂志》，1061099-1112，（2011）·Zbl 1229.62051号
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。