高维数据线性回归的相合性分析

您现在的位置:文学大全 > 当代诗歌,time:2019-09-11 14:23
上一篇:五一劳动节商场策划活动方案 下一篇:没有了

高维数据线性回归的相合性分析

摘要:高维数据线性回归的分析一般有以下几种方法:LASSO方法、LASSO类方法、SCAD方法等.本文第一章先介绍LASSO类方法,重点介绍了桥回归,自适应LASSO方法,和SCAD方法.第二章介绍了线性回归模型中自适应LASSO估计和桥回归的相合性.第三章讨论了广义线性回归模型中SCAD的相合性性质.文章的最后简单描述了高维数据挖掘的未来走向和重点和热点.40459关键词:桥回归;自适应LASSO;SCAD;相合性ConsistencyofRegressionAnalysisforHigh-dimensionalDataAbstract:Themethodsoflinearregressionanalysisforhigh-dimensionaldatagenerallyincludesthefollowingmethods:LASSO,LASSO-type,,focusingonthebridgeregression,adaptiveLASSO,,thethirdp,:Bridgeregression;LASSO;SCAD;Consistency目录摘要1引言21高维数据线性回归的几种研究方法方法桥回归估计方法自适应LASSO方法方法42线性回归模型中的相合性相合性的概念桥估计的相合性符号说明桥估计的相合性定理自适应LASSO的相合性73广义线性回归模型中的相合性广义线性模型的一些基本概念广义线性模型中SCAD的相合性符号说明广义线性模型中SCAD的相合性定理94结论和展望9参考11致谢12高维数据线性回归的相合性分析引言对高维数据进行相合性分析,我们最重要的就是必须先弄了解什么是高维数据,什么是相合性分析.当今世界,信息技术发展的十分迅速,人们获得数据的数量越来越多,也越来越复杂,比如在医学界,还有学方面,还有卫星云图,关于这几种学术研究,数据量是非常大的,在这种情况下,传统的数据分析已经不能满足大量数据的研究,于是就出现了高维数据的分析问题,在目前的研究中,运用最多并且研究最广的就是关于高维数据的挖掘问题.那么开始,我们先阐述高维数据目前的研究情况.目前高维数据线性回归的方法有以下几种:LASSO(LeastAbsoluteShrinkageandSelectionatorOperator)方法,自适应LASSO(AdaptiveLASSO),SCAD(SmoothlyClippedAbsoluteDeviation)方法,上面的几种方法其实都是关于高维数据的挖掘方法,即高维数据的线性回归的方法,目前对高维数据线性回归的研究结果并不是很成熟,也不完整,但是研究的框架却很大.这篇文章的结构是:在第一章介绍了LASSO方法,桥回归,自适应LASSO,SCAD方法,对这几种方法的估计量和惩罚项进行了定义,也进行了证明.在第二章阐述了相合性的基本概念和性质,然后在这个基础上介绍了桥回归的相合性和自适应LASSO的相合性.第三章介绍了广义线性模型下SCAD方法的相合性.文章的最后也介绍了高维数据未来的研究方向.源^自[六~维`论]文:网;高维数据线性回归的几种研究方法高维数据线性回归的相合性分析:。


编辑推荐

友情链接