朱尔卡内努、奇普里安·多鲁;赛义德·阿里雷扎·拉扎维;安蒂·利斯基 线性回归中的变量选择:基于归一化最大似然的几种方法。 (英语) Zbl 1221.62105号 信号处理。 91,第8期,1671-1692(2011). 摘要:在高斯线性回归中使用归一化最大似然(NML)进行模型选择会带来麻烦,因为归一化系数不是有限的。最优雅的解决方案由J.里萨宁[IEEE Trans.Inf.Theory 46,No.7,2537–2543(2000;Zbl 1005.94522号)]并包含对数据空间应用特定约束。我们证明了该方法可以推广,并讨论了两种特殊情况,即菱形约束和椭球约束。新的发现被用于推导四个基于NML的标准。对于其中三个已经在以前的文献中介绍过的标准,我们提供了严格的分析。我们还通过对信号处理中常用的模型族进行蒙特卡洛模拟,将它们与五种最先进的选择规则进行比较。此外,对于测试的八个标准,我们报告了它们对现实生活数据集的预测能力的结果。 MSC公司: 62J05型 线性回归;混合模型 62层30 约束条件下的参数化推理 62甲12 多元分析中的估计 65二氧化碳 蒙特卡罗方法 94甲12 信号理论(表征、重建、滤波等) 关键词:高斯线性回归;型号选择;菱形约束;椭球约束 引文:Zbl 1005.94522号 软件:电子静态学习 PDF格式BibTeX公司 XML格式引用 \textit{C.D.Giurcneanu}等人,《信号处理》。91,第8号,1671--1692(2011;Zbl 1221.62105) 全文: 内政部 参考文献: [1] Akaike,H.:统计模型识别的新视角,IEEE自动控制事务19,716-723(1974)·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705 [2] Behrens,R。;Scharf,L.:斜投影算子的信号处理应用,IEEE信号处理事务42,1413-1424(1994) [3] Björck,A。;Golub,G.:计算线性子空间之间角度的数值方法,计算数学27,579-594(1973)·Zbl 0282.65031号 ·doi:10.2307/2005/5662 [4] 布雷曼,L。;Freedman,D.:回归方程中应该输入多少个变量?,《美国统计协会杂志》78,131-136(1983)·Zbl 0513.62068号 ·doi:10.2307/2287119 [5] Djuric,P.:模型选择的渐近MAP标准,IEEE信号处理事务46,2726-2735(1998) [6] C.Giurcéneanu,通过随机复杂性估计正弦回归模型,收录于:P.Grünwald,P.Myllymäki,I.Tabus,M.Weinberger,B.Yu(编辑),Jorma Rissanen 75岁生日纪念活动,TICSP系列,第38卷,坦佩雷国际信号处理中心,芬兰坦佩雷角度http://www.cs.tut.fi/\sim tabus/TICSP_38_17.4.08.pdf角度,2008年,第229-249页。 [7] C.Giurcéneanu,S.Razavi,《随机复杂性的新见解》,载于《2009年欧洲信号处理会议论文集》,第17届欧洲信号处理大会,英国苏格兰格拉斯哥,第2475-2479页。 [8] Grünwald,P.:最小描述长度原则(2007) [9] Hansen,M。;Yu,B.:《模型选择与最小描述长度原则》,《美国统计协会杂志》96,746-774(2001)·Zbl 1017.62004号 ·doi:10.1198/016214501753168398 [10] Hansen,M。;Yu,B.:《广义线性模型的最小描述长度模型选择标准》,《科学与统计:特里速度的一次飞跃》,数理统计研究所,讲稿-专著系列,第40 40卷,第145-164页(2002) [11] Hanson,A。;Fu,P.C.W.:MDL在选定模型族中的应用,最小描述长度的进展:理论和应用,125-150(2005) [12] 哈斯蒂,T。;Tibshirani,R。;弗里德曼,J.:统计学习的要素。数据挖掘、推理和预测(2009)·Zbl 1273.62005年 [13] Hurvich,C。;Tsai,C.L.:小样本中的回归和时间序列模型选择,Biometrika 76,297-307(1989)·Zbl 0669.62085号 ·doi:10.1093/biomet/76.2.297 [14] Kay,S.:统计信号处理基础:估计理论(1993)·Zbl 0803.62002号 [15] Kay,S.:条件模型阶数估计,IEEE信号处理事务49,1910-1917(2001)·Zbl 1369.94363号 [16] Kay,S.:指数嵌入族——模型订单估算的新方法,IEEE航空航天和电子系统交易41,333-345(2005) [17] Liski,E.:线性回归中变量选择的标准化ML和MDL原则,塔尔莫·普基拉60岁生日时的Festschrift,159-172(2006)·Zbl 1144.62046号 [18] Liski,E。;Liski,A.:数据约束下高斯回归中的最小描述长度模型选择,统计推断,计量经济学分析和矩阵代数,纪念götz trenkler的festschrift,201-208(2009) [19] Mardia,K。;Kent,J。;Bibby,J.:多元分析(1979)·Zbl 0432.62029号 [20] Mcwhoter,T。;Scharf,L.:确定性模态分析的Cramer–Rao界,IEEE信号处理事务41,1847-1866(1993)·Zbl 0775.93214号 ·数字对象标识代码:10.1109/78.215304 [21] 米特里诺维奇(D.Mitrinovic)。;Vasic,P.M.:分析不等式(1970)·Zbl 0199.38101号 [22] 钱,G。;Künsch,H.:关于rissanen随机复杂性的一些注释,IEEE信息理论事务44,782-786(1998)·Zbl 0902.62013 ·doi:10.109/18.661521 [23] Rissanen,J.:《用最短数据描述建模》,Automatica 14,465-471(1978)·Zbl 0418.93079号 ·doi:10.1016/0005-1098(78)90005-5 [24] Rissanen,J.:Fisher信息和随机复杂性,IEEE信息理论交易42,40-47(1996)·Zbl 0856.94006号 ·数字对象标识代码:10.1109/18.481776 [25] Rissanen,J.:MDL去噪,IEEE信息理论事务46,2537-2543(2000)·Zbl 1005.94522号 ·doi:10.109/18.887861 [26] Rissanen,J.:统计建模中的信息和复杂性,(2007)·Zbl 1156.62005年 [27] Roos,T。;Myllymäki,P。;Rissanen,J.:重新审视MDL去噪,IEEE信号处理事务57,3347-3360(2009)·Zbl 1391.94097号 [28] 施密特,D。;Makalic,E.:MML不变线性回归,AI 2009:人工智能进展,第22届澳大利亚联合会议,澳大利亚墨尔本,2009年12月1日至4日。计算机科学论文集,课堂讲稿,第5866卷5866,312-321(2009)·Zbl 1175.68018号 ·doi:10.1007/978-3-642-10439-8 [29] Schwarz,G.:估算模型的维度,《统计年鉴》第6卷第461-464页(1978年)·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [30] Seber,G.:统计学家矩阵手册(2008)·Zbl 1143.15001号 [31] Seber,G。;Lee,A.:线性回归分析(2003)·Zbl 1029.62059号 [32] Seghouane,A.K.:线性回归模型AIC的渐近自举校正,信号处理90,217-224(2010)·Zbl 1177.94071号 ·doi:10.1016/j.sigpro.2009.06.010 [33] Seghouane,A.K。;Amari,S.:AIC标准和Kullback–Leibler分歧的对称性,IEEE神经网络事务18,97-106(2007) [34] Seghouane,A.K。;Bekara,M.:基于Kullback对称发散的小样本模型选择准则,IEEE信号处理事务52,3314-3323(2004)·Zbl 1373.62035号 [35] Shibata,R.:线性过程参数估计模型阶的渐近有效选择,统计学年鉴8147-164(1980)·Zbl 0425.62069号 ·doi:10.1214/aos/1176344897 [36] 斯托伊卡,P。;Moses,R.:信号的频谱分析(2005) 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。