典型文献
带有组结构的稀疏模型的参数估计和变量选择方法
文献摘要：
本文针对带有组结构的广义线性稀疏模型,引入布雷格曼散度作为一般性的损失函数,进行参数估计和变量选择,使得该方法不局限于特定模型或特定的损失函数.本文比较研究了Ridge,SACD,Lasso,自适应Lasso,组Lasso,分层Lasso,自适应分层Lasso和稀疏组Lasso共8种惩罚函数的特点和引入模型后参数估计和变量选择的方法,并给出了分层Lasso的坐标轴下降算法和稀疏组Lasso的加速全梯度更新算法.模拟研究验证了组Lasso,分层Lasso,自适应分层Lasso和稀疏组Lasso能更好的利用数据的组结构信息,自适应分层Lasso和稀疏组Lasso在变量选择准确性,参数估计精度方面优于其它方法,稀疏组Lasso在模型预测精度上达到最优.作为实证研究,本文将带有稀疏组Lasso惩罚的逻辑斯蒂模型应用于骨关节炎患者的外周血单核细胞基因表达水平的分析,选出了9个基因集中共136个基因与骨关节炎有关,以期对后续生物医学研究有一定指导价值.
文献关键词：
Lasso;布雷格曼散度;组结构;广义线性模型;稀疏模型
中图分类号：
作者姓名：
张韵祺;张春明;唐年胜
作者机构：
云南大学云南省统计建模与数据分析实验室,昆明650091;威斯康星大学麦迪逊分校统计系,麦迪逊53705,美国
文献出处：
引用格式：
[1]张韵祺;张春明;唐年胜-.带有组结构的稀疏模型的参数估计和变量选择方法)[J].应用数学学报,2022(01):31-46
A类：
布雷格曼散度,SACD
B类：
组结构,稀疏模型,参数估计,变量选择,选择方法,一般性,损失函数,得该,定模,Ridge,Lasso,自适应分层,惩罚函数,坐标轴,新算法,结构信息,估计精度,上达,逻辑斯蒂模型,模型应用,骨关节炎,外周血单核细胞,基因表达水平,生物医学研究,指导价值,广义线性模型
AB值：
0.239096
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。
