期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
超高维部分线性模型的PRAR变量选择
被引量：
1
1
作者
杨鑫
李冰月
田萍
《应用概率统计》
CSCD
北大核心
2021年第6期551-568,共18页
本文考虑超高维部分线性模型,其中参数向量维数是样本量的指数阶.基于profile最小二乘方法和保留正则化方法,本文提出了新的变量选择方法用来解决超高维部分线性模型的变量选择问题.在一定的正则条件下,证明了所得估计量的符号相合性....
本文考虑超高维部分线性模型,其中参数向量维数是样本量的指数阶.基于profile最小二乘方法和保留正则化方法,本文提出了新的变量选择方法用来解决超高维部分线性模型的变量选择问题.在一定的正则条件下,证明了所得估计量的符号相合性.通过数值模拟和实例分析,将该方法与Lasso、SIS-Lasso、自适应Lasso方法进行对比,发现所提方法在恢复线性部分参数向量符号方面明显优于其它方法.
展开更多
关键词
部分线性模型
变量选择
高维数据
Lasso
符号相合性
保留正则化
在线阅读
下载PDF
职称材料
题名
超高维部分线性模型的PRAR变量选择
被引量：
1
1
作者
杨鑫
李冰月
田萍
机构
北京
工业大学理学部统计与数据科学学院
北京计算技术及应用研究所
许昌学院数理学院
出处
《应用概率统计》
CSCD
北大核心
2021年第6期551-568,共18页
基金
国家自然科学基金面上项目(批准号:11871001、11971001)
北京市自然科学基金项目(批准号:1182003)资助.
文摘
本文考虑超高维部分线性模型,其中参数向量维数是样本量的指数阶.基于profile最小二乘方法和保留正则化方法,本文提出了新的变量选择方法用来解决超高维部分线性模型的变量选择问题.在一定的正则条件下,证明了所得估计量的符号相合性.通过数值模拟和实例分析,将该方法与Lasso、SIS-Lasso、自适应Lasso方法进行对比,发现所提方法在恢复线性部分参数向量符号方面明显优于其它方法.
关键词
部分线性模型
变量选择
高维数据
Lasso
符号相合性
保留正则化
Keywords
partially linear model
variable selection
high-dimensional data
Lasso
sign consistency
regularization after retention
分类号
O212.7 [理学—概率论与数理统计]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
超高维部分线性模型的PRAR变量选择
杨鑫
李冰月
田萍
《应用概率统计》
CSCD
北大核心
2021
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
