特雷弗·哈斯蒂;罗伯特·提比拉尼;马丁·温赖特 稀疏性统计学习。拉索和概括。 （英语） Zbl 1319.68003号 统计学和应用概率专著143.佛罗里达州博卡拉顿：CRC出版社（ISBN 978-1-4987-1216-3/hbk；978-1-4977-1217-0/电子书）。第十五章，第351页。(2015). 这本专著论述了稀疏性的统计学习。作者研究并分析了利用一些统计模型的稀疏性恢复数据集中潜在信号的方法。他们专注于拉索技术[R.蒂比拉尼、J.R.Stat.Soc.、Ser。B 58，第1期，267–288页（1996年；Zbl 0850.62538号)]，作为标准最小二乘法的替代方法。将Lasso估计应用于线性模型和广义线性模型，然后考虑了Lasso罚函数的一些推广。在优化方法的框架内，强调了拉索的特殊相关性。此外，还对统计推断、矩阵分解、稀疏多元方法和图选择进行了综述。探讨了信号表示和近似中的稀疏性，以及在解决信号不同方面的问题时利用（l_1）-方法将稀疏性资本化。本书以一些关于Lasso行为的理论结果结尾，面向那些希望使用稀疏性假设从大数据集中提取有用信息的大数据工作者。审核人：弗洛琳·戈鲁内斯库（克雷奥瓦） 引用于342文件 MSC公司： 68-02 与计算机科学有关的研究博览会（专著、调查文章） 62-02 与统计有关的研究展览（专著、调查文章） 62甲12 多元分析中的估计 62J05型 线性回归；混合模型 62J07型 岭回归；收缩估计器（拉索） 68T05型 人工智能中的学习和自适应系统 关键词：拉索法;统计学习;稀疏;线性模型，广义线性模型;优化方法;矩阵分解;稀疏多元方法;图形选择;信号表示法;信号近似;大数据 引文：Zbl 0850.62538号 PDF格式BibTeX公司 XML格式引用 \textit｛T.Hastie｝等人，稀疏性统计学习。拉索和概括。佛罗里达州博卡拉顿：CRC出版社（2015；Zbl 1319.68003） 全文： 链接