×

凸面LAR

swMATH ID: 16543
软件作者: Xiao,W.,Wu,Y.,Zhou,H。
描述: 凸LAR:最小角度回归的推广。最小角回归(LAR)是由Efron、Hastie、Johnstone和Tibshirani于2004年提出的,用于线性回归中的连续模型选择。它由几何参数驱动,并跟踪预测器依次进入的路径,并且活动预测器始终与残差向量保持相同的绝对相关性(角度)。虽然它很快就受到欢迎,但与惩罚方法相比,它的扩展似乎很少。在这篇阐述性的文章中,我们证明了LAR强大的几何思想可以以富有成果的方式得到推广。我们提出了一种适用于任何凸损失函数的凸LAR算法,并自然扩展到组选择和数据自适应变量选择。经过简单的修改,它还为某些惩罚方法产生了新的精确路径算法,例如带有套索或群套索惩罚的凸损失函数。从凸LAR角度重新考虑复发事件和面板计数数据分析中的变量选择、Ada-Boost和高斯图形模型。本文的补充材料可在网上获得。
主页: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4840418/
源代码:  https://github.com/wxiao0421/ConvexLAR
依赖项: Matlab公司
相关软件: Matlab公司;集群Rviz;群集路径;DENFIS公司;ElemStatLearn(电子状态学习);UCI-毫升
引用于: 3文件

按年份列出的引文