-
题名基于SCAD惩罚回归的异常值检测方法
被引量：9
- 1
-
-
作者
潘莹丽
刘展
宋广雨
-
机构
湖北大学数学与统计学学院
湖北大学应用数学湖北省重点实验室
-
出处
《统计与决策》
CSSCI
北大核心
2022年第4期38-42,共5页
-
基金
国家自然科学基金资助项目(11901175)。
-
文摘
异常值检测方法研究是当今数据分析领域的一个热门问题。传统的基于模型的异常值检测方法,往往是先对模型中的参数进行估计,再检测异常值,但是异常值的存在会影响参数估计值,从而使得异常值检测结果不可靠。文章基于线性回归模型,引入异常值识别变量,提出线性均值漂移模型。在进行低维数据异常值检测时,对漂移项施加SCAD惩罚,利用坐标下降算法同时进行参数估计和异常值检测;在进行高维数据异常值检测时,对模型参数和异常值识别变量分别施加SCAD惩罚,利用坐标下降算法同时进行参数估计、变量选择和异常值检测。基于线性均值漂移模型,采用SCAD惩罚回归的思想设计坐标下降算法,消除了低维和高维数据中异常值的存在对参数估计带来的不利影响。
-
关键词
异常值检测
线性均值漂移模型
SCAD惩罚
坐标下降算法
-
Keywords
outlier detection
linear mean shift model
SCAD penalty
coordinate descent algorithm
-
分类号
O212.7
[理学—概率论与数理统计]
-
