简·米尔尼楚克;休伯特·斯齐马诺夫斯基 稀疏逻辑模型广义信息准则的选择一致性。 （英语） Zbl 1353.62014年 Steland，Ansgar（编辑）等人，《随机模型、统计及其应用》。根据2015年2月在波兰Wrocław举行的第12次研讨会上的陈述收集论文。查姆：施普林格（ISBN 978-3-319-13880-0/hbk；978-3-316-13881-7/电子书）。《Springer Proceedings in Mathematics&Statistics》第122期、第111-119期（2015年）。 小结：我们考虑小（n）-大（P）logistic回归的选择规则，其中包括在所有大小不超过k的变量子集上选择一个子集预测因子，以最小化广义信息准则。我们在弱条件下建立了这种规则的一致性，从而推广了J.Chen（陈）和Z.陈【生物统计学95，第3期，759–771页（2008年；Zbl 1437.62415号)]对于更广泛的回归场景，它还允许使用比此处考虑的更通用的标准函数，以及取决于样本大小的（k）。结果对样本量指数级的预测因子数有效。关于整个系列，请参见[2008年10月13日]. MSC公司： 62B10型 信息理论主题的统计方面 62J12型 广义线性模型（逻辑模型） 62G08号 非参数回归和分位数回归 62C10个 贝叶斯问题；贝叶斯过程的特征 关键词：选择一致性;广义信息准则;稀疏logistic模型 引文：Zbl 1437.62415号 PDF格式BibTeX公司 XML格式引用 \textit{J.Mielniczuk}和\textit{H.Szymanowski}，Springer Proc。数学。Stat.122，111--119（2015；Zbl 1353.62014） 全文： 内政部 参考文献： [1] 博格丹，M。；Doerge，R。；Ghosh，J.，修改Schwarz-Bayesian信息标准以定位多个相互作用的数量性状基因座，遗传学，167989-999（2004）·Zbl 0977.90051号 ·doi:10.11534基因103-021683 [2] Broman，K。；Speed，T.，实验杂交中数量性状位点识别的模型选择方法，美国统计协会杂志，64，641-656（2002）·Zbl 1067.62108号 [3] 陈，J。；Chen，Z.，《大模型空间模型选择的扩展贝叶斯信息准则》，Biometrika，95759-771（2008）·Zbl 1437.62415号 ·doi:10.1093/biomet/asn034 [4] 康明斯，L。；Dallayan，A.，《高维背景下变量选择一致性的严格条件》，Ann Stat，402667-2696（2012）·Zbl 1373.62154号 ·doi:10.1214/12-AOS1046 [5] 陈，J。；Chen，Z.，小n大p稀疏GLM的扩展BIC，Stat Sin，22，555-574（2012）·Zbl 1238.62080号 [6] Fahrmeir，L。；Kaufmann，H.，广义线性模型中最大似然估计的一致性和渐近正态性，Ann Stat，1，13，342-368（1985）·兹比尔0594.62058 ·doi:10.1214/aos/1176346597 [7] Pokarowski P，Mielniczuk J（2014）合并ℓ_1和贪婪ℓ_线性模型选择的0最小二乘法。J Mach Learn Res即将亮相·Zbl 1360.62401号 [8] 辛，C。；White，H.，选择可能错误指定参数模型的信息标准，《经济杂志》，71，207-225（1996）·Zbl 0843.62089号 ·doi:10.1016/0304-4076（94）01701-8 [9] Wang，H.，超高维变量筛选的正向回归，J Am Stat Assoc，104，1512-1524（2009）·Zbl 1205.62103号 ·doi:10.1198/jasa.2008.tm08516 [10] Zhang，T.，带L_1正则化的最小二乘回归的一些尖锐性能界限，Ann Stat，372109-2144（2009）·Zbl 1173.62029号 ·doi:10.1214/08-AOS659 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。