×

通过融合套索实现轻盈流畅。 (英语) 兹比尔1060.62049

总结:套索通过系数的绝对值(L_1范数)之和惩罚最小二乘回归。这种惩罚的形式鼓励稀疏解(许多系数等于\(0)\)。我们提出了“融合套索”,这是一种泛化,旨在解决具有可以以某种有意义的方式排序的特征的问题。融合套索惩罚系数及其连续差异的L_1范数。因此,它鼓励了系数的稀疏性和差异的稀疏性,即系数剖面的局部恒定性。当特征数量(p)远大于样本大小(N)时,融合套索特别有用。该技术还扩展到支持向量分类器的“铰链”损失函数。我们以蛋白质质谱和基因表达数据为例说明了这些方法。

MSC公司:

62G08号 非参数回归和分位数回归
62页第10页 统计学在生物学和医学中的应用;元分析
62年5月 线性回归;混合模型
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Adam B.-L.,《癌症研究》,第63页,第3609页–(2003年)
[2] Boser B.,程序。计算学习理论II,费城(1992)
[3] DOI:10.1137/S003614450037906X·Zbl 0979.94010号 ·doi:10.1137/S003614450037906X
[4] Donoho D.,Biometrika 81 pp 425–(1994)
[5] Efron B.,技术报告(2002年)
[6] C.Geyer(1996)关于凸随机优化的渐近性。技术报告。明尼阿波利斯明尼苏达大学。
[7] Gill P.E.,技术报告NA 97-4(1997)
[8] DOI:10.1126/science.286.5439.531·doi:10.1126/science.286.5439.531
[9] Hastie T.,《统计学习的要素》;数据挖掘、推断和预测(2001)·Zbl 0973.62007号
[10] Hoerl A.E.,《技术计量学》第12卷第55页–(1970年)
[11] Knight K.,Ann.统计师。第28页,1356页–(2000年)
[12] Land S.,技术报告(1996)
[13] Lee Y.,技术报告(2002)
[14] DOI:10.1016/S0140-6736(02)07746-2·doi:10.1016/S0140-6736(02)07746-2
[15] S.Rosset和J.Zhu(2003)通过分段线性正则化系数路径进行回归和分类的适应性、高效和稳健方法。斯坦福大学,斯坦福。
[16] Rosset S.、J.Mach。学习。第5号决议第941页–(2004年)
[17] Stein C.,Ann.统计师。第9页,1131页–(1981年)
[18] Tibshirani R.,J.R.统计。Soc.58第267页–(1996年)
[19] Tibshirani R.,程序。国家。阿卡德。科学。美国99 pp 6567–(2001)
[20] R.Tibshirani、M.Saunders、S.Rosset、J.Zhu和K.Knight(2004)《通过融合套索实现的简约与流畅》。技术报告。斯坦福大学,斯坦福·兹比尔1060.62049
[21] Vapnik V.,《统计学习理论的本质》(1996)·Zbl 0934.62009号
[22] Wold H.,《概率与统计的观点》,纪念M.S.Bartlett第117页–(1975)
[23] 朱军,技术报告(2003)
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。