典型文献
大规模数据的L1惩罚分位数回归方法研究——基于特征筛选和随机抽样方法
文献摘要：
为解决大规模数据在进行回归分析时存在的计算内存不足和运行时间较长的问题,提出两个新的回归分析方法:先筛选后抽样的大规模数据L1惩罚分位数回归方法(FSSLQR)和先抽样后筛选的大规模数据L1惩罚分位数回归方法(SFSLQR),其数值模拟和实际应用结果表明:FSSLQR和SFSLQR方法不仅能够显著降低计算内存和运行时间,而且其估计预测和变量选择的结果与全量L1惩罚分位数回归基本一致.此外,与Xu等(2018)提出的大规模数据的L1惩罚分位数回归方法(SLQR)相比,FSSLQR和SFSLQR方法在估计预测、变量选择和运行时间等方面都更具优势.
文献关键词：
L1惩罚分位数回归;大规模数据;特征筛选;随机抽样
中图分类号：
作者姓名：
蔡超;王康宁
作者机构：
山东工商学院统计学院,山东烟台264005
文献出处：
引用格式：
[1]蔡超;王康宁-.大规模数据的L1惩罚分位数回归方法研究——基于特征筛选和随机抽样方法)[J].数理统计与管理,2022(01):63-78
A类：
FSSLQR,SFSLQR,SLQR
B类：
大规模数据,L1,罚分,分位数回归,特征筛选,随机抽样,抽样方法,内存不足,运行时间,回归分析方法,先抽,变量选择,Xu
AB值：
0.15924
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。
