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。它简单易行;它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中的参考文献(参考文献27条)

显示第1到第20个结果,共27个。
按年份排序(引用)
  1. 中山,淑敏;那陆岛,安石;Yabe,Hiroshi:基于Broyden族的非精确近端无记忆拟牛顿法(2021)
  2. 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)
  3. 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)
  4. 周生斌;周景科;张波:高维广义线性模型在预测因子中加入图形结构(2019)
  5. 去吧,君雅;秋田武子;Tono,Katsuya:稀疏优化问题的DC公式和算法(2018)
  6. 徐久成;穆惠玉;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)
  7. 杨文元;李,陈;赵红:基于正则化样本自我表征的标签分布学习(2018)
  8. 乔茂英;刘,刘;于军;许昌;陶大成:多实例学习的多样化词典(2017)
  9. 董、钱;刘欣;文,载文;A-凸子空间修正法(A-凸子空间优化法)
  10. 王杰;旺卡,彼得;叶洁平:基于双多面体投影的套索筛选规则(2015)
  11. 徐阳阳;Yin,Wotao:凸和非凸优化的块随机梯度迭代法(2015)
  12. 格罗尔,安德烈亚斯;Tutz,Gerhard:广义线性混合模型的变量选择(L_1)-惩罚估计(2014)
  13. 彭洪义;蒋春福;方、香;Liu,Jin Shan:使用改进的序列后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)
  14. 余,易;Feng,Yang:APPLE:惩罚似然估计的近似路径(2014)
  15. 布朗德尔,马修;塞基,和硕;Uehara,Kuniaki:大规模稀疏多类分类的块坐标下降算法(2013)
  16. 科尔岑,M。;Jaroszewicz,S。;Klęsk,P.:具有权重分组优先权的逻辑回归(2013)
  17. 崔,何西克;杨东华;权相勋;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)
  18. 伊格尔,F。;Rakotomamongy,A.:小波核学习(2011)ioport公司
  19. 脚轮,奥拉;诺恩,G·尼克拉斯;麦迪根,大卫;Bate,Andrew:基于大规模回归的模式发现:世界卫生组织全球药物安全数据库筛选实例(2010)
  20. Goeman,Jelle J.:(1)Cox比例风险模型中的惩罚估计(2010)