菜单
  

    1.1  LASSO方法
     LASSO是目前比较流行的数据挖掘的一种方式,因为它有相当多的优点:能满保证变量的选择和参数的估计一起发生.它由Tibshirani提出来.
    给定一线性回归模型
                                                                
    其中,  是一个随机向量,其元素独立同分布,且均值为0,方差为 ,  是n×1阶向量,  是n×p阶自变量矩阵:
     
      为上述模型的系数向量.假如我们认为因变量和自变量都是被中心化过的,那么这个模型的截距就是零了.对于上面的模型,它的系数的LASSO估计量可以表示为:                                                 
     
    若设计阵列正交,LASSO方法参数估计的显式表达为
                                                                              
    在安排阵非列正交的时候,我们可以先确定 的值然后利用二次算法得到参数估计.在更为简单的情况下,还可以运用最小角回归(LAR)的方法对参数进行估计算法.
    和岭回归相比较的话,LASSO方法从形式上来讲比较简单.LASSO方法就重要变量(参数估计较大的变量)的系数压缩这一概念来说影响不重,这样就保证了估计参数时候的准确性.
  1. 上一篇:整群抽样理论与方法的探究
  2. 下一篇:中国股票市场可预测性的研究分析
  1. 多项式拟合在变形数据分析中的应用

  2. 非线性差分方程解的单调性

  3. 通过数据分析对人口的年龄结构和养老问题

  4. 线性规划在经济数学中的应用与探析

  5. 线性规划模型在交通运输中的应用

  6. 非线性方程求根的迭代法研究

  7. 线性递推关系数列极限的几种求法及其应用

  8. 酸性水汽提装置总汽提塔设计+CAD图纸

  9. java+mysql车辆管理系统的设计+源代码

  10. 电站锅炉暖风器设计任务书

  11. 河岸冲刷和泥沙淤积的监测国内外研究现状

  12. 当代大学生慈善意识研究+文献综述

  13. 杂拟谷盗体内共生菌沃尔...

  14. 大众媒体对公共政策制定的影响

  15. 十二层带中心支撑钢结构...

  16. 乳业同业并购式全产业链...

  17. 中考体育项目与体育教学合理结合的研究

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回