GSDAR公司 swMATH ID: 42049 软件作者: 黄坚;焦玉玲;康、李灿;刘,金;刘燕燕;吕锡良 描述: GSDAR:具有统计保证的(ell_0)正则化广义线性模型的快速牛顿算法。针对(ell_0)正则化的高维广义线性模型,提出了一种基于支持检测和寻根的快速牛顿算法。我们将建议的方法称为GSDAR。GSDAR是基于(ell_0)惩罚最大似然估计量的KKT条件开发的,并迭代生成KKT系统的一系列解。我们证明了GSDAR可以等价地表示为广义牛顿算法。在似然函数的有限可逆条件和回归系数的稀疏条件下,我们建立了GSDAR在上确界范数下生成的解序列的估计误差的显式上界,并证明了它在有限次迭代中以高概率达到了最优阶数。此外,我们还表明,当目标信号高于可检测水平时,预言估计可以以较高的概率恢复。这些结果直接关系到GSDAR算法生成的解序列,而不是理论上定义的全局解。我们进行了仿真和实际数据分析,以证明该方法的有效性。 主页: https://link.springer.com/article/10.1007/s00180-021-01098-z 源代码: https://github.com/jian94/GSDAR 依赖项: R(右) 关键词: 高维广义线性模型;稀疏学习;(ell_0)-惩罚;支持检测;估计误差 相关软件: 格尔姆奈特;阿波罗3 引用于: 2文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 GSDAR:具有统计保证的正则化广义线性模型的快速牛顿算法。 Zbl 1505.62193号黄、健;焦玉玲;李灿·康;刘,金;刘燕燕;吕锡良 2022 全部的 前5名9位作者引用 2 李灿·康 1 黄、健 1 焦玉玲 1 刘,金 1 刘燕燕 1 吕锡良 1 罗,袁 1 杨志坚 1 朱,张 2篇连载文章中引用 1 计算统计学 1 工业与管理优化杂志 在2个字段中引用 2 统计学(62-XX) 1 运筹学、数学规划(90-XX) 按年份列出的引文