赵俊龙 通用稀疏增强:通过基于相关的惩罚族改进(L_{2})增强的特征选择。 (英语) Zbl 1328.62254号 Commun公司。统计、仿真计算。 44,第6期,1612-1640(2015)。 摘要:在高维环境中,分量增强被用于构建性能良好的稀疏模型,但它往往会选择许多无效变量。为了改进(L_{2})boosting算法的变量选择,提出了几种稀疏boosting方法,如稀疏(L_{2})boosting和双boosting。在本文中,我们提出了一种新的通用稀疏增强方法(GSBoosting)。在正交线性模型中,建立了GSBoosting与其他众所周知的正则化变量选择方法(如自适应Lasso、硬阈值等)之间的关系。仿真结果表明,GSBoostig在预测和变量选择方面都具有良好的性能。 引用于三文件 MSC公司: 62G08号 非参数回归和分位数回归 62甲12 多元分析中的估计 关键词:自适应套索;boosting算法;型号选择;稀疏性 PDF格式BibTeX公司 XML格式引用 \textit{J.Zhao},Commun(通信员)。统计、仿真计算。44,第6号,1612--1640(2015;Zbl 1328.62254) 全文: 内政部 参考文献: [1] DOI:10.1214/aos/1024691079·Zbl 0934.62064号 ·doi:10.1214/aos/1024691079 [2] 内政部:10.1162/08997669900016106·数字对象标识代码:10.1162/08997669900016106 [3] 内政部:10.1080/00401706.1995.10484371·doi:10.1080/00401706.1995.10484371 [4] DOI:10.1080/016214591985.10478157·doi:10.1080/01621459.1985.10478157 [5] 内政部:10.1214/009053600000092·Zbl 1095.62077号 ·doi:10.1214/009053600000092 [6] 内政部:10.1007/s11222-009-9148-5·doi:10.1007/s11222-009-9148-5 [7] 内政部:10.1214/07-STS242·Zbl 1246.62163号 ·doi:10.1214/07-STS242 [8] 内政部:10.1198/0162145003000125·Zbl 1041.62029号 ·doi:10.1198/0162145003000125 [9] Bühlmann P.,《机器学习研究杂志》7 pp 1001–(2006) [10] 内政部:10.1214/07-AOS0316A·Zbl 1282.62096号 ·doi:10.1214/07-AOS0316A [11] 内政部:10.1198/jcgs.2010.09076·doi:10.1198/jcgs.2010.09076 [12] DOI:10.1093/biomet/81.3.425·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425 [13] 内政部:10.1214/009053604000000067·Zbl 1091.62054号 ·doi:10.1214/009053604000000067 [14] 内政部:10.1198/016214501753382273·Zbl 1073.62547号 ·doi:10.1198/016214501753382273 [15] Freund Y.,《第十三届国际会议论文集:机器学习》。第148页–(1996) [16] DOI:10.1214/aos/1013203451·兹比尔1043.62034 ·doi:10.1214/aos/1013203451 [17] DOI:10.1214/aos/1016218223·Zbl 1106.62323号 ·doi:10.1214/aos/1016218223 [18] DOI:10.1214/07-AOAS131·Zbl 1378.90064号 ·doi:10.1214/07-AOAS131 [19] 内政部:10.1080/01621459.1981.1047729·doi:10.1080/01621459.1981.1047729 [20] 内政部:10.1080/00401706.1993.10485033·doi:10.1080/00401706.1993.10485033 [21] 内政部:10.1007/978-1-4899-4473-3·doi:10.1007/978-1-4899-4473-3 [22] 内政部:10.1198/016214501753168398·Zbl 1017.62004号 ·doi:10.1198/016214501753168398 [23] 内政部:10.1016/0095-0696(78)90006-2·Zbl 0375.90023号 ·doi:10.1016/0095-0696(78)90006-2 [24] 内政部:10.1093/biomet/76.2.297·Zbl 0669.62085号 ·doi:10.1093/biomet/76.2.297 [25] DOI:10.1016/j.csda.2008.09.009·Zbl 1231.62071号 ·doi:10.1016/j.csda.2008.09.009 [26] Tibshirani R.,《皇家统计学会杂志》,B辑58,第267页–(1996) [27] 内政部:10.1002/0471704091·Zbl 1068.62077号 ·doi:10.1002/0471704091 [28] 内政部:10.1198/016214500000735·Zbl 1171.62326号 ·doi:10.1198/016214500000735 [29] 数字对象标识码:10.1111/j.1467-9868.2005.0050.x·Zbl 1069.62054号 ·文件编号:10.1111/j.1467-9868.2005.005.x 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。