×
Lowther，Aaron P。;保罗·费恩黑德;马修·奈斯（Matthew A.Nunes）。;杰尔德·詹森

回归SARIMA模型的半自动同步预测器选择。 （英文） Zbl 1452.62502号

统计计算。 1759-1778（2020）第6期第30页.
摘要：决定使用哪种预测因子在广泛应用的统计模型推导中起着不可或缺的作用。受电信网络事件预测挑战的激励，我们提出了线性回归模型的半自动化联合建模和预测器选择程序。我们的方法可以建模并解释回归残差中的序列相关性，生成稀疏且可解释的模型，并可用于为一组相关响应联合选择模型。这是通过使用最近开发的混合整数二次优化方法的推广，在非零系数数量的约束下拟合线性模型来实现的。与行业目前使用的方法相比，我们的方法生成的模型在激励性电信数据上实现了更好的预测性能。

MSC公司：

62J05型 线性回归；混合模型
62甲12 多元分析中的估计
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

最佳子集选择;线性回归;混合整数二次优化;多元反应模型

软件：

古罗比;R（右）;预测;ElemStatLearn（电子状态学习）;其mr;弹性网;L0学习;预测
PDF格式BibTeX公司 XML格式引用
\textit{A.P.Lowther}等人，《统计计算》。第6号第30页，1759--1778（2020年；Zbl 1452.62502）
全文： 内政部 arXiv公司

参考文献：

[1] Akaike，H.：信息理论和最大似然原理的扩展。参见：Petrov，B.N.，Csaki，F.（eds.）第二届信息理论国际研讨会，第267-281页。布达佩斯Akademiai Kiado（1973）·Zbl 0283.62006号
[2] Beale，EML，关于多元回归中变量选择程序的注释，技术计量学，12，4，909-914（1970）
[3] Berk，KN，比较子集回归程序，技术计量学，20，1，1-6（1978）·Zbl 0371.62095号
[4] Bertsimas，D。；King，A.，OR——线性回归的算法方法，Oper。第64、1、2-16号决议（2016年）·Zbl 1338.90272号
[5] Bertsimas，D。；金·A。；Muzumder，R.，《通过现代优化透镜进行最佳子集选择》，《Ann.Stat.》，44，813-852（2016）·Zbl 1335.62115号
[6] 布雷曼，L。；Friedman，JH，在多元线性回归中预测多元反应，J.R.Stat.Soc.B，59，1，3-54（1997）·Zbl 0897.62068号
[7] PJ布罗克韦尔；Davis，RA，《时间序列和预测导论》（2002），柏林：斯普林格出版社，柏林·兹比尔0994.62085
[8] Caruana，R.，多任务学习，马赫。学习。，28, 1, 41-75 (1997)
[9] 科克伦，D。；Orcutt，GH，最小二乘回归在包含自相关误差项的关系中的应用，J.Am.Stat.Assoc.，44，245，32-61（1949）·兹比尔0033.08201
[10] Duong，L.，Cohn，T.，Bird，S.，Cook，P.：低资源依赖解析：神经网络解析器中的跨语言参数共享。摘自：《计算语言学协会第53届年会和第七届国际自然语言处理联合会议论文集》（第2卷：短文，第845-850页），计算语言学协会，北京（2015）。10.3115/v1/P15-2139，https://www.aclweb.org/antology/P15-2139
[11] Gurobi Optimization，L.：古罗比优化器参考手册（2019年）。网址：http://www.gurobi.com
[12] Hastie，T.，Tibshirani，R.R.J.Tibshilani：最佳子集选择、正向逐步选择和套索的扩展比较（2017）。arXiv预打印arXiv:1707.08692
[13] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：统计中的数据挖掘、推断和预测Springer系列》（2008），纽约：Springer，纽约
[14] Hazimeh，H.，Mazumder，R.：快速最佳子集选择：坐标下降和局部组合优化算法（2018）。arXiv预打印arXiv:1803.01454
[15] Hocking，RR，《生物特征邀请论文：线性回归中变量的分析和选择》，生物特征，32，1，1-49（1976）·Zbl 0328.62042号
[16] 霍尔，E。；Kennard，RW，Ridge回归：非正交问题的有偏估计，技术计量学，12，1，55-67（1970）·Zbl 0202.17205号
[17] RJ Hyndman；Khandakar，Y.，《自动时间序列预测：R，J.Stat.Softw的预测包》。，27, 3, 1-22 (2008)
[18] Izenman，AJ，多元线性模型的降秩回归，J.Multivar。分析。，5, 248-264 (1975) ·Zbl 0313.62042号
[19] 密歇根州约旦；Mitchel，TM，《机器学习：趋势、前景和展望》，《科学》，349，6245，255-260（2015）·Zbl 1355.68227号
[20] Katal，A.、Wazid，M.、Goudar，R.H.：大数据：问题、挑战、工具和良好实践。摘自：Parashar，M.、Zomaya，A.、Chen，J.、Cao，J.N.、Bouvry，P.、Prasad，S.（编辑）2013年第六届国际当代计算大会（IC3）。Jaypee信息技术研究所，IEEE（2013）
[21] Kronqvist，J。；伯纳尔，德国；伦德尔，A。；Grossmann，IE，凸MINLP求解器的回顾和比较，Optim。工程，20397-455（2019）
[22] Lowther，A.P.：多变量响应预测选择方法：应用于电信时间序列数据。英国兰开斯特大学数学与统计系博士论文（2019年）。https://eprints.lancs.ac.uk/id/eprint/141405/1/2019lowtherphd.pdf
[23] Mantel，N.，《为什么变量选择中的下台程序》，《技术计量学》，第12、3、621-625页（1970年）
[24] Mazumder，R.，Radchenko，P.，Dedieu，A.：具有收缩的子集选择：低信噪比时的稀疏线性建模（2017）。arXiv预打印arXiv:1708.03288
[25] Miller，AJ，《回归中的子集选择》。统计学和应用概率专著（2002），博卡拉顿：查普曼和霍尔CRC，博卡拉通·Zbl 1051.62060号
[26] 普洛斯特，F。；Fawcett，T.，《数据科学及其与大数据和数据驱动决策的关系》，《大数据》，第1期，第52-59页（2013年）
[27] R核心团队。R： 统计计算语言和环境。R统计计算基金会，维也纳（2019）。https://www.R-project.org网站/
[28] 拉奥，CR；Toutenburg，H.，《线性模型：最小二乘法和替代法》（1999），柏林：施普林格出版社，柏林·Zbl 0943.62062号
[29] JO罗林斯；SG Pantula公司；迪基，DA，《应用回归分析：研究工具》（1998），柏林：施普林格出版社，柏林·Zbl 0909.62062号
[30] 重新安装，GC；Velu，R.，《多元降秩回归：理论与应用》（2013），柏林：施普林格出版社，柏林
[31] Schwarz，G.，估算模型的维数，《Ann.Stat.》，6，2，461-464（1978）·Zbl 0379.62005年
[32] Similia，T。；Tikka，J.，多响应线性回归中的输入选择和收缩，计算。统计数据分析。，52, 406-422 (2007) ·Zbl 1452.62513号
[33] Simon，N.、Friedman，J.、Hastie，T.：针对群元化多响应和多项式回归的分块下降算法（2013）。arXiv预打印arXiv:1311.6529v1
[34] Soltysik，钢筋混凝土；Yarnold，PR，Two-group multiODA:有界M的混合整数线性规划解，Optim。数据分析。，1, 30-37 (2010)
[35] Srivastava，理学硕士；Solanky，TKS，在线性回归模型中预测多元反应，Commun。统计模拟。计算。，32, 2, 389-409 (2003) ·Zbl 1075.62586号
[36] Stone，M.，统计预测的交叉验证选择和评估，J.R.Stat.Soc.B，36，111-147（1974）·Zbl 0308.62063号
[37] 斯特劳德，JR；米勒，P。；Sansó，B.，时空数据的动态模型，J.R.Stat.Soc.B，63，4，673-689（2001）·Zbl 0986.62074号
[38] Tibshirani，R.，《通过LASSO回归收缩和选择》，J.R.Stat.Soc.B，58，1，267-288（1996）·Zbl 0850.62538号
[39] 图拉赫，BA；维纳布尔斯，西北部；SJ Wright，同步变量选择，技术计量学，47，3，349-363（2005）
[40] Xie，W.，Deng，X.：CCP选择器：基于机会约束规划的稀疏岭回归可扩展算法（2018）。arXiv预打印arXiv:1806.03756
[41] 袁，M。；Lin，Y.，《分组变量回归中的模型选择和估计》，J.R.Stat.Soc.B，68，1，49-67（2006）·兹比尔1141.62030
[42] 邹，H。；Hastie，T.，《通过弹性网进行正则化和变量选择》，J.R.Stat.Soc.B，67，301-320（2005）·兹比尔1069.62054
[43] Zou，H.，Hastie，T.：弹性网：用于稀疏估计和稀疏PCA的弹性网。R软件包版本1.1.1（2018）。https://CRAN.R-project.org/package=弹性网
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。