典型文献
基于L曲线方法的Lasso正则化参数选择
文献摘要：
大数据背景下,基于罚函数的正则化方法是高维数据变量选择的重要方法.Lasso估计是常用的变量选择方法,而Lasso正则化参数的取值直接影响选择模型的性能,是正则化方法成败的关键.针对Lasso估计,提出一种新的L曲线(LC)准则选择正则化参数.数值模拟和实际应用表明:相比CV,GCV,BIC等准则,LC准则能够以较高的概率选择真实的模型,并且具有较小的模型误差.
文献关键词：
高维数据;变量选择;Lasso;LC准则;正则化参数
中图分类号：
作者姓名：
吴炜明;王延新
作者机构：
宁波工程学院 理学院,浙江 宁波 315211;安徽工业大学 商学院,安徽 马鞍山 243032
文献出处：
引用格式：
[1]吴炜明;王延新-.基于L曲线方法的Lasso正则化参数选择)[J].西南师范大学学报（自然科学版）,2022(01):36-42
A类：
B类：
Lasso,正则化参数,参数选择,大数据背景下,罚函数,正则化方法,高维数据,变量选择,选择方法,成败,LC,GCV,BIC,模型误差
AB值：
0.287511
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
