罗伯特·提比拉尼;迈克尔·桑德斯;撒哈拉罗塞特;朱,季;奈特,基思 通过融合套索实现轻盈流畅。 (英语) 兹比尔1060.62049 J.R.Stat.Soc.,塞尔维亚。B、 统计方法。 67,第1期,91-108(2005). 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。 引用于三评论引用于493文件 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 关键词:基因表达;最小二乘回归;蛋白质质谱;稀疏解;支持向量分类器 软件:SQOPT公司;ElemStatLearn(电子状态学习) PDF格式BibTeX公司 XML格式引用 \textit{R.Tibshirani}等人,J.R.Stat.Soc.,Ser。B、 统计方法。67,第1号,91--108(2005;Zbl 1060.62049) 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。