您当前所在位置: 首页

论文收录信息

论文编号 201807-2
论文题目 一种面向高维数据的DS-ALasso变量选择方法
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

一种面向高维数据的DS-ALasso变量选择方法

引用

复制文本

导出参考文献

.txt .ris .doc

邱建荣

邱建荣(1990-),男(汉族),在读硕士,主要研究方向:数据挖掘

罗汉

罗汉(1960-),男,教授、硕导,主要研究方向:统计分析与优化预测

发送私信

发送给

湖南大学数学与计量经济学院,湖南长沙 410082

摘要:变量选择是高维数据分析的重要环节,Laaso方法不具有Oracle性质且存在在处理维数大于样本量的数据结构时只能选取个变量的缺点,为解决此问题,提出一种改进的Lasso方法:DS-ALasso方法,该方法是Dantzig Selector和Adaptive Lasso两种方法的结合而成的一种能把高维数据的维数降低到小于样本量并具有Oracle性质的有效方法。实验表明,均分式Adaptive Lasso方法能够很好地对高维海量或高维小样本数据集进行特征选择,是一种有效的特征选择方法。

关键词: Lasso 变量选择 DS-ALasso

图表:

动态公开评议

评论

评论一下

全部评论
评论