×
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。