摘要
我们考虑参数数量与样本大小不同的情况下的模型选择和估计问题。当维数较高时,理想的方法应该具有oracle属性[J.Amer。统计师。协会。 96(2001)1348–1360]和[安。统计师。 32(2004)928–961],确保最佳大样本性能。此外,高维性往往会导致共线性问题,这应该用理想方法来处理。许多现有的变量选择方法无法同时实现这两个目标。本文提出了一种自适应弹性网,它结合了二次正则化和自适应加权拉索收缩的优点。在弱正则性条件下,建立了自适应弹性网的预言性。我们通过仿真表明,自适应弹性网比其他类oracle方法更好地处理了共线性问题,从而大大提高了有限样本性能。
引用
下载引文
邹慧。
郝海伦·张。
“在具有发散参数的自适应弹性网络上。”
安。统计师。
37
(4)
1733 - 1751,
2009年8月。
https://doi.org/10.1214/08-AOS625
问询处
发布日期:2009年8月
首次在欧几里得项目中提供:2009年6月18日
数字对象标识符:10.1214/08-AOS625
学科:
主要用户:62J05型
次要:62J07型
关键词:自适应正则化,弹性网络,高维性,型号选择,oracle属性,收缩法
版权所有©2009数学统计研究所