当前位置:首页 > 数理化
超高维数据统计模型变量筛选方法
超高维数据统计模型变量筛选方法

超高维数据统计模型变量筛选方法PDF电子书下载

数理化

  • 电子书积分:7 积分如何计算积分?
  • 作 者:张俊英,张日权著
  • 出 版 社:重庆:重庆大学出版社
  • 出版年份:2019
  • ISBN:9787568917285
  • 页数:97 页
图书介绍:本书研究内容包括:(1)对于超高维数据分位数回归变系数模型,利用样条近似方法提出了排列边际回归系数的变量筛选方法;(2)使用经验似然方法研究了可加模型的变量筛选问题;(3)利用核回归方法估计条件期望损失研究了非参回归模型的变量筛选问题,提出一般模型的变量选择方法;(4)在广义线性模型框架下,探讨了顺序Lasso变量选择问题,提出了顺序Lasso迭代选择方法;(5)对于超高维数据, 首次研究了GINI相关系数变量选择问题,所提到方法不受异常值点的影响,具有很好的稳健性,为超高维数据提供了一个简单、稳健和有效的变量选择方法。
《超高维数据统计模型变量筛选方法》目录

第1章 绪论 1

1.1 线性模型Pearson相关变量筛选方法 1

1.2 非参数模型变量筛选方法 5

1.3 变系数模型变量筛选方法 6

1.4 秩相关筛选方法 8

第2章 分位数回归变系数模型变量筛选 11

2.1 引 言 11

2.2 非参分位数回归边际筛选 12

2.3 理论性质 15

2.4 选择变量的方法 17

2.5 模拟研究 19

2.6 实例分析 22

2.7 定理证明 24

第3章 超高维数据可加模型经验似然变量筛选 30

3.1 引 言 30

3.2 边际经验似然方法 31

3.3 条件重排迭代筛选方法 34

3.4 数值研究 36

3.5 定理证明 42

第4章 顺序LASSO特征选择方法 45

4.1 特征选择方法 46

4.2 迭代顺序LASSO算法 47

4.3 理论性质 49

4.4 数据模拟 52

4.5 理论证明 56

第5章 超高维非参模型变量筛选方法 62

5.1 引言 62

5.2 核估计方法 63

5.3 理论性质 64

5.4 CC-SIS算法 65

5.5 模拟研究 66

5.6 定理证明 68

第6章 Gini相关独立筛选 74

6.1 Gini相关筛选方法 74

6.2 迭代变量筛选方法 80

6.3 数据模拟 81

6.4 定理证明 84

参考文献 87

相关图书
作者其它书籍
返回顶部