سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

explorer iconلينك‌ها

[ بازگشت | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]

info iconاطلاعات مقاله

[ 179 بار مشاهده چكيده]

عنوان مقاله:انتخاب های جدید متغیر پراکنده از طریق مدل تصادفی اثر
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:March 2014
شماره صفحات: 899989-99
نشانگر دیجیتالی شیء:[ 10.1016/j.jmva.2013.11.016 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Journal Of Multivariate Analysis »
  4. A new sparse variable selection via random-effect model

report iconنمايش خلاصه مقاله

A New Sparse Variable Selection Via Random-effect Model


مقاله: انتخاب های جدید متغیر پراکنده از طریق مدل تصادفی اثر

نويسند‌گان:


خلاصه مقاله:


We study a new approach to simultaneous variable selection and estimation via random-effect models. Introducing random effects as the solution of a regularization problem is a flexible paradigm and accommodates likelihood interpretation for variable selection. This approach leads to a new type of penalty, unbounded at the origin and provides an oracle estimator without requiring a stringent condition. The unbounded penalty greatly enhances the performance of variable selections, enabling highly accurate estimations, especially in sparse cases. Maximum likelihood estimation is effective in enabling sparse variable selection. We also study an adaptive penalty selection method to maintain a good prediction performance in cases where the variable selection is ineffective.


ما مطالعه یک روش جدید برای انتخاب متغیر به طور همزمان و برآورد از طریق مدل های تصادفی اثر. معرفی اثرات تصادفی به عنوان راه حل یک مشکل تنظیم یک الگوی قابل انعطاف است و با ظرفیت تفسیر احتمال برای انتخاب متغیر است. این رویکرد منجر به نوع جدیدی از ضربه ی پنالتی نامحدود در مبدا فراهم می کند و برآورد اوراکل بدون نیاز به یک وضعیت دقیق. مجازات بیکران تا حد زیادی افزایش عملکرد از انتخاب متغیر، قادر می سازد برآورد بسیار دقیق، به خصوص در موارد نادر است. حداکثر برآورد احتمال در را قادر می سازد انتخاب پراکنده متغیر موثر است. ما همچنین یک روش تطبیقی ​​انتخاب پنالتی برای حفظ عملکرد پیش بینی خوب در مواردی که انتخاب متغیر بی اثر است مطالعه است.


كلمات كليدي:

Maximum likelihood estimator, Prediction, Random-effect models, Sparsity, Variable selection
برآورد حداکثر احتمال, پیش بینی, مدل تصادفی اثر, Sparsity, انتخاب متغیر


موضوعات:

Statistics, Probability and Uncertainty, Statistics and Probability, Numerical Analysis



[ ]

 

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 3.80.55.37

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×