×
片山，Shota

稳健非凸稀疏正则回归问题的计算和统计分析。 （英语） Zbl 1432.62208号

J.统计计划。推断 201, 20-31 (2019).
摘要：本文研究了线性回归问题的稳健稀疏估计技术。使用Lasso、SCAD和MCP正则化的标准回归对异常值没有鲁棒性，因为它涉及最小二乘法。为了处理异常值，提出了一个两阶段的过程；在第一阶段，计算初始估计量，然后在第二阶段通过迭代求解稀疏回归问题来改进初始估计量。这个过程不仅包括随机误差，还包括计算误差。从计算和统计的角度研究了最终估计量的收敛性能。

引用于1文件

MSC公司：

62J05型 线性回归；混合模型
62层35 鲁棒性和自适应程序（参数推断）
62J07型 岭回归；收缩估计器（拉索）
62-08 统计问题的计算方法

关键词：

计算和统计分析;稳健估计;稀疏正则回归

软件：

rq笔;格尔姆奈特
PDF格式BibTeX公司 XML格式引用
\textit{S.Katayama}，J.Stat.Plann。推论201，20-31（2019；Zbl 1432.62208）
全文： 内政部

参考文献：

[1] 阿加瓦尔，A。；内加班，S。；Wainwright，M.，用于高维统计恢复的梯度方法的快速全局收敛，Ann.Statist。，40, 5, 2452-2482 (2012) ·Zbl 1373.62244号
[2] 比克尔，P。；Ritov，Y。；Tsybakov，A.，Lasso和Dantzig选择器的同步分析，Ann.Statist。，37, 4, 1705-1732 (2009) ·Zbl 1173.62022号
[3] Bühlmann，P。；van de Geer，S.，《高维数据统计：方法、理论和应用》（2011），施普林格出版社·Zbl 1273.62015年
[4] Fan，J.，A.Antoniadis，J.意大利统计协会对“统计中的小波：评论”的评论，6131-139（1997）·Zbl 1454.62116号
[5] 范，J。；Li，R.，通过非冲突惩罚似然进行变量选择及其预言性质，J.Amer。统计师。协会，96，456，1348-1360（2001）·Zbl 1073.62547号
[6] 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，J.Stat.Softw。，33, 1, 1-22 (2010)
[7] Katayama，S。；Fujisawa，H.，《稀疏和稳健线性回归：优化算法及其统计特性》，Statist。Sinica，27，1243-1264（2017）·Zbl 1372.62015年
[8] 李毅。；Zhu，J.，（L_1）-范数分位数回归，J.计算。图表。统计人员。，17, 163-185 (2008)
[9] Loh，P.L.，高维稳健M-估计的统计一致性和渐近正态性，Ann.Statist。，45, 866-896 (2017) ·Zbl 1371.62023号
[10] Loh，P.L。；Wainwright，M.，《带非凸性的正则M-估计：局部最优的统计和算法理论》，J.Mach。学习。决议，16559-616（2015）·Zbl 1360.62276号
[11] 内加班，S。；拉维库马尔，P。；温赖特，M。；Yu，B.，用可分解正则化子对M估计进行高维分析的统一框架，Statist。科学。，27, 538-557 (2012) ·Zbl 1331.62350号
[12] Nesterov，Y.，凸优化入门讲座；基础课程（2004），斯普林格·Zbl 1086.90045号
[13] Nesterov，Y.，最小化复合函数的梯度方法，数学。程序。，140, 125-161 (2013) ·Zbl 1287.90067号
[14] Nguyen，N。；Tran，T.，《观测值缺失和严重损坏的稳健套索》，IEEE Trans。Inf.理论，59，4，2036-2058（2013）·Zbl 1364.94146号
[15] Raskutti，G。；Wainwright，M.，高维线性回归在\（\ell_q\）-球上的Minimax估计率，IEEE Trans。Inf.理论，57，10，6976-6994（2011）·兹比尔1365.62276
[16] Raskutti，G。；温赖特，M。；Yu，B.，相关高斯设计的限制特征值特性，J.Mach。学习。第11号决议，2241-2259（2010年）·Zbl 1242.62071号
[17] 她，Y。；Owen，A.，使用非凸惩罚回归进行离群点检测，J.Amer。统计师。协会，106，494，626-639（2011）·Zbl 1232.62068号
[18] Sherwood，B.，Maidman，A.，rqPen:惩罚分位数回归，R包2.0版，2017年。；Sherwood，B.，Maidman，A.，rqPen:惩罚分位数回归，R包2.0版，2017年。
[19] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B、 58、1、267-288（1996）·Zbl 0850.62538号
[20] Vershynin，R.，《随机矩阵的非渐近分析导论》（Eldar，Y.；Kutyniok，G.，《压缩传感、理论与应用》（2012），剑桥大学出版社），210-268
[21] 王，Z。；刘，H。；Zhang，T.，稀疏非凸学习问题的最优计算和统计收敛速度，Ann.Statist。，42, 6, 2164-2201 (2014) ·Zbl 1302.62066号
[22] Witten，M.，《带离群值的惩罚式无监督学习》，《统计界面》，6，2，211-221（2013）·Zbl 1327.62384号
[23] Zhang，T.，稀疏正则化的多级凸松弛分析，J.Mach。学习。第11号决议，1081-1107（2010年）·Zbl 1242.68262号
[24] 张，C.，极小极大凹惩罚下的几乎无偏变量选择，Ann.Statist。，38, 2, 894-942 (2010) ·Zbl 1183.62120号
[25] Zou，H.，《自适应拉索及其预言属性》，J.Amer。统计师。协会，101，476，1418-1429（2006）·Zbl 1171.62326号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。