典型文献
基于ADMM算法的网络连接数据变量选择
文献摘要：
随着科技的发展,网络连接数据在统计学习、机器学习等领域的应用越来越普遍.在线性回归模型中,目前关于网络连接数据的变量选择研究主要针对的是同质性样本,即样本的个体效应α相同,但在现实中大多数样本的个体效应存在异质性,在不考虑异质性的情况下会使得模型的估计和预测产生较大偏差.因此,当网络数据中个体效应存在组异质性时,本文提出一种新的变量选择方法SNC.利用网络凝聚效应,我们对变量系数和相连样本个体效应的差异性进行联合惩罚,同时采用ADMM算法进行求解,并证明了算法的收敛性.数值模拟和实证分析显示,我们的方法提高了变量选择的准确性并且降低了预测误差.
文献关键词：
网络连接数据;网络凝聚效应;组异质性;变量选择;非凸惩罚
中图分类号：
作者姓名：
方佳佳;李阳;郑泽敏
作者机构：
中国科学技术大学 管理学院统计与金融系, 合肥 230026
文献出处：
引用格式：
[1]方佳佳;李阳;郑泽敏-.基于ADMM算法的网络连接数据变量选择)[J].计算机系统应用,2022(01):11-20
A类：
网络连接数据,网络凝聚效应,非凸惩罚
B类：
ADMM,变量选择,统计学习,线性回归模型,同质性,个体效应,测产,大偏差,网络数据,组异质性,选择方法,SNC,利用网络,收敛性,预测误差
AB值：
0.213043
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。
