疏林

一种简单有效的稀疏Logistic回归基因选择算法。动机:本文对稀疏logistic回归问题给出了一种新的有效算法。该算法基于Gauss-Seidel方法,具有渐近收敛性。它既简单又极易实现,既不使用任何复杂的数学编程软件,也不需要任何矩阵运算。它可以应用于各种现实世界的问题,如识别标记基因和在使用微阵列数据进行癌症诊断时建立分类器。结果:本文提出的基因选择方法在两个实际数据集上进行了验证,结果与文献相符。


zbMATH参考文献(参考 25篇文章 引用)

显示第1到第20个结果,共25个。
按年份排序(引用)
  1. 刘晓曼;刘继军:用交替迭代法从含噪不完全频率数据中恢复图像(2020)
  2. Algamal,Zakariya Yahya;Lee,Muhammad Hisham:高维微阵列数据分类中最优基因选择的两阶段稀疏逻辑回归(2019)
  3. 周生斌;周景科;张波:预测因子中包含图形结构的高维广义线性模型(2019)
  4. Gotoh,Jun ya;Takeda,Akiko;Tono,Katsuya:稀疏优化问题的DC公式和算法(2018)
  5. 徐久成;缪惠玉;王云;黄方舟:基于监督局部线性嵌入和相关系数的微阵列分类特征基因选择(2018)
  6. Yang,Wenyuan;Li,Chan;Zhao,Hong:正则化样本自我表征的标签分布学习(2018)
  7. 乔茂英,刘茂英,刘,于,军,许,常,陶,大成:多实例学习的多样化词典(2017)
  8. 董倩;刘欣;文,载文;袁亚翔:复合凸优化的平行线搜索子空间校正方法(2015)
  9. Wang,Jie;Wonka,Peter;Ye,Jieping:基于双多面体投影的套索筛选规则(2015)
  10. 徐阳阳;尹华涛:凸非凸优化的块随机梯度迭代法(2015)
  11. Groll,Andreas;Tutz,Gerhard:广义线性混合模型的变量选择(L_1)-惩罚估计(2014)
  12. 彭洪义;蒋春福;方,香;刘金山:利用改进的序列反向选择算法对微阵列数据进行Fisher线性判别分析的变量选择(2014)
  13. Yu,Yi;Feng,Yang:APPLE:惩罚似然估计量的近似路径(2014)
  14. Blondel,Mathieu;Seki,Kazuhiro;Uehara,Kuniaki:大规模稀疏多类分类的块坐标下降算法(2013)
  15. Korzen,M.;Jaroszewicz,S.;Klęsk,P.:具有权重分组优先权的逻辑回归(2013年)
  16. Choi,Hosik;Yeo,Donghwa;Kwon,Sunghoon;Kim,Yongdai:使用带有拒绝选项的支持向量机进行癌症分类的基因选择和预测(2011)
  17. Yger,F.;Rakotomamongy,A.:小波核学习(2011)ioport公司
  18. Goeman,Jelle J.:(1)Cox比例风险模型中的惩罚估计(2010)
  19. Jerome Friedman;Trevor Hastine;Rob Tibshirani:通过坐标下降实现广义线性模型的正则化路径(2010)不是zbMATH
  20. 冷,陈雷;李波:参数发散的最小二乘逼近(2010)