摘要
当必须估计一系列(相关的)线性模型时,通常可以结合不同的数据集来构造更有效的估计量。我们使用ℓ1-惩罚估计器,如拉索或自适应拉索,可以同时进行参数估计和模型选择。我们表明,对于高维线性模型的时间进程,通过以适当的方式组合不同的时间点,可以提高拉索和自适应拉索的收敛速度。此外,自适应套索仍然具有预言机特性和一致的变量选择。在模拟数据和DNA序列中模体发现的实际问题上,说明了所提方法的有限样本特性。
引用
下载引文
卢卡斯·迈耶。
彼得·鲍尔曼(Peter Bühlmann)。
"平滑的ℓ1-高维时程数据的惩罚估计量。"
电子。J.统计。
1
597 - 615,
2007
https://doi.org/10.1214/07-EJS103
问询处
发布时间:2007年
首次在欧几里得项目中提供:2007年12月10日
数字对象标识符:10.1214/07-EJS103
学科:
主要用户:62J07型
次要:62甲12,62J99型
关键词:拉索,局部最小二乘法,多元回归,变量选择,加权似然
版权所有©2007数学统计研究所和伯努利学会