×
王金佳；卢，杨

基于坐标下降的分层交互式Lasso惩罚逻辑回归及其在分类问题中的应用。 （英语） Zbl 1407.62271号

数学。问题。工程师。 2014年，文章ID 430201，11 p.（2014）.
总结：我们提出了基于层次理论和变量交互的坐标下降算法的层次交互式拉索惩罚logistic回归。我们基于几何代数和层次约束条件定义了交互模型，然后使用坐标下降算法求解层次交互套索模型的系数。我们提供了一些基于UCI数据集、NIPS203的Madelon数据集和老年人日常活动的实验结果。实验结果表明，变量交互作用和层次结构对分类有显著贡献。分层交互式套索兼有套索和交互式套索的优点。

MSC公司：

62J07型 岭回归；收缩估计器（拉索）
62小时30分 分类和区分；聚类分析（统计方面）
62J12型 广义线性模型（逻辑模型）

软件：

格尔姆奈特；逻辑注册；高级网络；格林特网
PDF格式BibTeX公司 XML格式引用
\textit{J.-J.Wang}和textit{Y.Lu}，数学。问题。Eng.2014，文章ID 430201，11 p.（2014；Zbl 1407.62271）
全文： DOI程序

参考文献：

[1] Tibshirani，R.，《通过套索进行回归收缩和选择》，英国皇家统计学会期刊B，58，1，267-288（1996）·Zbl 0850.62538号
[2] 纽约州帕克。；Hastie，T.，（L_1）-广义线性模型的正则化路径算法，英国皇家统计学会杂志B：统计方法，69，4，659-677（2007）·Zbl 07555370号 ·文件编号：10.1111/j.1467-9868.2007.00607.x
[3] Wu，T.T。；Chen，Y.F。；哈斯蒂，T。；索贝尔，E。；Lange，K.，通过套索惩罚逻辑回归进行全基因组关联分析，生物信息学，25，6，714-721（2009）·doi:10.1093/bioinformatics/btp041
[4] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降广义线性模型的正则化路径，统计软件杂志，33，1，1-22（2010）
[5] 林，M。；Hastie，T.，通过分层群-群正则化学习交互[EB]
[6] 施温德，H。；Ickstadt，K.，使用逻辑回归识别SNP相互作用，生物统计学，9，1，187-198（2008）·Zbl 1274.62872号 ·doi:10.1093/biostatistics/kxm024
[7] 诺亚，S。；Tibshirani，R.，测试多维度交互作用的置换方法
[8] 吴杰。；德夫林，B。；林奎斯特，S。；特鲁克，M。；Roeder，K.，Screen and clean:a tool for identification interactions in genome wide association studies，Genetic Epidemiology，34，3，275-285（2010），《筛查和清洁：全基因组关联研究中识别相互作用的工具》·doi:10.1002/gepi.20459
[9] Nardi，Y。；Rinaldo，A.，对数线性群最小二乘估计及其渐近性质，Bernoulli，18，3，945-974（2012）·Zbl 1243.62107号 ·doi:10.3150/11-bej364
[10] 袁，M。；约瑟夫·V·R。；Lin，Y.，《分析设计实验的有效变量选择方法》，技术计量学，49，4，430-439（2007）·doi:10.1198/004017000000173
[11] Chipman，H.，贝叶斯变量选择与相关预测，加拿大统计杂志，24，1，17-36（1996）·兹比尔0849.62032 ·doi:10.2307/3315687
[12] 新罕布什尔州Choi。；李伟（Li，W.）。；朱杰，强遗传约束变量选择及其预言性质，美国统计协会杂志，105，489，354-364（2010）·Zbl 1320.62171号 ·doi:10.198/jasa.2010.tm08281
[13] 比恩，J。；泰勒，J。；Tibshirani，R.，《层级互动套索》，《统计年鉴》，第41、3、1111-1141页（2013年）·兹比尔1292.62109 ·doi:10.1214/13-aos1096
[14] 袁，M。；Lin，Y.，《分组变量回归中的模型选择和估计》，英国皇家统计学会杂志。B系列：统计方法，68，1，49-67（2006）·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[15] Jenatton，R。；奥迪伯特，J.-Y。；Bach，F.，具有稀疏诱导规范的结构化变量选择，《机器学习研究杂志》，12，10，2777-2824（2011）·Zbl 1280.68170号
[16] 拉德琴科，P。；James，G.M.，高维自适应非线性交互结构变量选择，美国统计协会杂志，105，492，1541-1553（2010）·Zbl 1388.62212号 ·doi:10.1198/jasa.2010.tm10130
[17] 巴赫，F。；Jenatton，R。；Mairal，J。；Obozinski，G.，《通过凸优化实现结构化稀疏性》，《统计科学》，第27、4、450-468页（2012年）·Zbl 1331.90050号 ·数字对象标识代码：10.1214/12-sts394
[18] 鲁钦斯基，I。；科珀伯格，C。；LeBlanc，M.，逻辑回归，计算与图形统计杂志，12，3，475-511（2003）·doi:10.1198/1061860032238
[19] 霍尔，P。；Xue，J.-H.，《从高维数据中选择交互特征》，计算统计与数据分析，71，694-708（2014）·Zbl 1471.62085号 ·doi:10.1016/j.csda.2012.10.010
[20] 王俊杰。；李，J。；张，T。；Hong，W.-X.，使用二次映射和遗传算法识别视觉特征提取方法，系统仿真杂志，21，16，5080-5083（2009）
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。