贝尼特斯·佩尼亚，桑德拉;埃米利奥·卡里佐萨;瓦内萨·格雷罗;吉梅内斯·加梅罗（Jiménez-Gamero），M.多洛雷斯（M.Dolores）;贝伦，马丁·巴拉根;克里斯蒂娜·莫勒罗·里奥;佩帕·拉米雷斯·科博;多洛雷斯罗梅罗·莫拉莱斯;Sillero-Denamiel，M.Remedios 稀疏集合方法：应用于新冠肺炎的短期预测。 （英语） Zbl 1489.62237号 欧洲药典。物件。 295，第2期，648-663（2021）. 摘要：自发表的开创性论文以来J.贝茨和C.格兰杰[“预测组合”，Oper.Res.Quart.20，No.4，451-468（1969；doi:10.1057/jors.1969.103)]文献中提出了大量的集成方法，这些方法将不同的基回归量组合起来生成一个唯一的基回归值。so-obtained回归方法可能比其组成部分具有更好的准确性，但同时它可能会溢出，它可能会被精度较低的基本回归变量所扭曲，并且可能过于复杂，难以理解和解释。本文提出并研究了一种新的数学优化模型来构建稀疏集合，该模型权衡了集合的准确性和所使用的基回归量。后者由一个正则化项控制，该正则化项惩罚个人表现不佳的回归变量。我们的方法很灵活，可以结合人们对集合可能具有的理想属性，例如控制集合在关键记录组中的性能，或与集合中涉及的基本回归变量相关的成本。我们用新冠肺炎背景下产生的实际数据集来说明我们的方法。 引用于5文件 MSC公司： 62J99型 线性推断、回归 68T05型 人工智能中的学习和自适应系统 90 C90 数学规划的应用 92天30分 流行病学 关键词：机器学习;集合方法;数学优化;选择性稀疏;新冠肺炎 软件：github;约束拉索;在树中;古罗比 PDF格式BibTeX公司 XML格式引用 \textit{S.Benítez-Peña}等人，《欧洲药典》。第295号决议，第2号，648--663（2021年；Zbl 1489.62237） 全文： 内政部 OA许可证 参考文献： [1] Achterberg，M。；普拉斯，B。；马，L。；特拉贾诺夫斯基，S。；Kitsak，M。；Van Mieghem，P.，比较几种基于网络的新冠肺炎预测算法的准确性，即将发表在《国际预测杂志》（2020） [2] 安藤，T。；Li，K.C.，高维回归的模型平均方法，《美国统计协会杂志》，109，254-265（2014）·Zbl 1367.62209号 [3] 贝茨，J。；Granger，C.，《预测组合》，《运筹学季刊》，第20期，第451-468页（1969年） [4] 贝尼特斯·佩尼亚，S。；布兰科罗，R。；Carrizosa，E。；Ramírez-Cobo，P.，支持向量机的成本敏感特征选择，计算机与运筹学，106，169-178（2019）·Zbl 1458.68158号 [5] 贝尼特斯·佩尼亚，S。；布兰奎罗，R。；Carrizosa，E。；Ramírez-Cobo，P.，《多成本场景下的支持向量机》，《数据分析和分类进展》，第13期，第663-682页（2019年）·Zbl 1474.62211号 [6] https://www.researchgate.net/publication/34103637_Cost-sensitive_probabilistic_predications_for_support_vector_machines。 ·Zbl 1458.68158号 [7] https://www.researchgate.net/publication/340716304_Short-Term_Prections_of_the_Evolution_of_COVID-19_in_Andalusia_An_Ensemblue_Method。 [8] Bertsimas，D。；Dunn，J.，《最佳分类树》，机器学习，1061039-1082（2017）·Zbl 1455.68159号 [9] Bertsimas，D。；金·A。；Mazumder，R.，《通过现代优化透镜选择最佳子集》，《统计年鉴》，44813-852（2016）·Zbl 1335.62115号 [10] https://www.researchgate.net/publication/341099512_On_Sparse_Optimal_Regression_Trees。 [11] 布兰科罗，R。；Carrizosa，E。；Molero-Río，C。；Romero Morales，D.，最优随机分类树的稀疏性，《欧洲运筹学杂志》，284255-272（2020）·Zbl 1441.62163号 [12] 布兰科罗，R。；Carrizosa，E。；Molero-Río，C。；Romero Morales，D.，最优随机分类树，计算机与运筹学，132105281（2021）·Zbl 1510.90306号 [13] 布兰科罗，R。；Carrizosa，E。；Ramírez-Cobo，P。；Sillero-Denamiel，M.R.，《成本敏感性约束套索》，《数据分析和分类进展》，第15期，第121-158页（2020年）·兹伯利07363868 [14] Breiman，L.，随机森林，机器学习，45，5-32（2001）·Zbl 1007.68152号 [15] Bühlmann，P.，《时间序列的引导》，《统计科学》，第17期，第52-72页（2002年）·Zbl 1013.62048号 [16] Carrizosa，E。；马丁·巴拉根，B。；Romero Morales，D.，《带测量成本的多组支持向量机：生物目标方法》，《离散应用数学》，156950-966（2008）·Zbl 1152.90536号 [17] Carrizosa，E。；马丁·巴拉根，B。；Romero Morales，D.，二值化支持向量机，《信息计算杂志》，22，154-167（2010）·兹比尔1243.62088 [18] Carrizosa，E。；马丁·巴拉根，B。；Romero Morales，D.，《在监督分类中检测相关变量和交互作用》，《欧洲运筹学杂志》，213260-269（2011） [19] Carrizosa，E。；Molero-Río，C。；Romero Morales，D.，分类和回归树中的数学优化，TOP，29，5-33（2021）·Zbl 1467.90021号 [20] https://www.researchgate.net/publication/341042405_On_linear_regression_models_with_hierarchical_categorical_variables。 [21] Carrizosa，E。；Nogales-Gómez，A。；Romero Morales，D.，强烈同意还是强烈反对支持向量机中的评级特征，信息科学，329256-273（2016） [22] Carrizosa，E。；Nogales-Gómez，A。；Romero Morales，D.，支持向量机中的聚类类别，Omega，66，28-37（2017） [23] Carrizosa，E。；奥利瓦雷斯？奈达尔，A。；Ramírez-Cobo，P.，稀疏控制向量自回归模型，生物统计学，18，244-259（2017） [24] Carrizosa，E。；奥利瓦雷斯？奈达尔，A。；Ramírez-Cobo，P.，《增强线性回归可解释性的新约束》，《统计与运筹学学报》，第44期，第67-98页（2020年）·Zbl 1442.62151号 [25] Carrizosa，E。；罗梅罗·莫拉莱斯（Romero Morales，D.），《监督分类和数学优化》，《计算机与运筹研究》，第40期，第150-165页（2013年）·Zbl 1349.68135号 [26] Christmann，A。；Hable，R.，关于支持向量机的bootstrap方法和相关的基于内核的方法的一致性，（Schölkopf，B.；Luo，Z.；Vovk，V.，经验推断：Festschrift纪念vladimir n.vapnik（2013），施普林格：施普林格柏林，海德堡），231-244·兹比尔1330.68249 [27] 达塔，S。；Das，S.，Near Bayesian支持向量机，用于错误分类成本相等或不等的不平衡数据分类，神经网络，70，39-52（2015）·Zbl 1394.68280号 [28] Deng，H.，《用入侵解释树集合》，《国际数据科学与分析杂志》，第7期，第277-287页（2019年） [29] Efron，B.，预测、估计和归因，《美国统计协会杂志》，115636-655（2020）·Zbl 1445.62327号 [30] Fernández-Casal，R.（2020年）。COVID-19 github存储库。访问日期：9月。https://github.com/rubenfcasal/COVID-19。 [31] 弗洛雷斯·洛佩兹，R。；Ramon-Jeronimo，J.，《提高信贷风险评估中集成策略的准确性和可解释性》。相关调整的决策林提案，应用专家系统，42，5737-5753（2015） [32] Fountoulakis，K。；Gondzio，J.，强凸正则化问题的二阶方法，数学规划，156189-219（2016）·Zbl 1364.90255号 [33] 弗里斯，M。；Bartz-Beielstein，T。；Bäck，T。；Naujoks，B。；Emmerich，M.，基于模型的全局优化中的加权集成，AIP会议记录（2019年） [34] http://nbn-resolution.de/urn:nbn:de:hbz:832-cos4-3480。 [35] 盖恩斯，B.R。；Kim，J。；Zhou，H.，《约束套索拟合算法》，《计算与图形统计杂志》，27861-871（2018）·Zbl 07498997号 [36] 甘贝拉，C。；B.加达。；Naoum-Sawaya，J.，《机器学习的优化模型：一项调查》，《欧洲运筹学杂志》，290807-828（2021）·Zbl 1487.90004号 [37] http://www.gurobi.com。 [38] Härdle，W.，应用非参数回归，19（1990），剑桥大学出版社·Zbl 0714.62030号 [39] 哈斯蒂，T。；Tibshirani，R。；Wainwright，M.，《稀疏的统计学习：套索和概括》（2015），CRC出版社·Zbl 1319.68003号 [40] 斯塔顿血清研究所。(2020). COVID-19 SSI存储库。访问日期：9月。https://covid19.ssi.dk/overmagningsdata。 [41] Kedem，B。；Fokianos，K.，《时间序列分析回归模型》第488卷（2005年），John Wiley&Sons [42] Koenker，R。；Hallock，K.，《量化回归》，《经济展望杂志》，15143-156（2001） [43] Koenker，R。；Ng，P.，不平等约束分位数回归，Sankhyā：《印度统计杂志》，67，418-440（2005）·Zbl 1193.62023号 [44] Lee，Y。；Nelder，J。；Pawitan，Y.，《具有随机效应的广义线性模型：基于H似然的统一分析》，CRC出版社，153（2018） [45] Liaw，A。；Wiener，M.，随机森林分类和回归，R News，2，18-22（2002） [46] 马丁·巴拉根，B。；里洛，R。；Romo，J.，功能数据的可解释支持向量机，《欧洲运筹学杂志》，232，146-155（2014） [47] Mendes-Moreira，J。；苏亚雷斯，C。；Jorge，A.M。；Sousa，J.F.D.，《回归的集合方法：一项调查》，ACM计算调查，45，1-40（2012）·Zbl 1293.68234号 [48] https://CRAN.R-project.org/package=e1071R包版本1.7-1 [49] Nikolopoulos，K。；普尼亚，S。；Schäfers，A。；奇诺波洛斯，C。；Vasilakis，C.，《大流行期间的预测和规划：新型冠状病毒的增长率、供应链中断和政府决策》，《欧洲运筹学杂志》，29099-115（2021）·Zbl 1487.90037号 [50] 任，Y。；张，L。；Suganthan，P.，《集成分类和回归——最新发展、应用和未来方向》，IEEE计算智能杂志，11，41-53（2016） [51] Vapnik，V.，《统计学习理论的本质》（1995），斯普林格·弗拉格·Zbl 0833.62008号 [52] 张，L。；Zhou，W.D.，使用基于线性规划的加权组合方法的稀疏集合，模式识别，44，97-106（2011）·Zbl 1207.68332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。