典型文献
基于SCAD惩罚回归的异常值检测方法
文献摘要：
异常值检测方法研究是当今数据分析领域的一个热门问题.传统的基于模型的异常值检测方法,往往是先对模型中的参数进行估计,再检测异常值,但是异常值的存在会影响参数估计值,从而使得异常值检测结果不可靠.文章基于线性回归模型,引入异常值识别变量,提出线性均值漂移模型.在进行低维数据异常值检测时,对漂移项施加SCAD惩罚,利用坐标下降算法同时进行参数估计和异常值检测;在进行高维数据异常值检测时,对模型参数和异常值识别变量分别施加SCAD惩罚,利用坐标下降算法同时进行参数估计、变量选择和异常值检测.基于线性均值漂移模型,采用SCAD惩罚回归的思想设计坐标下降算法,消除了低维和高维数据中异常值的存在对参数估计带来的不利影响.
文献关键词：
异常值检测;线性均值漂移模型;SCAD惩罚;坐标下降算法
中图分类号：
作者姓名：
潘莹丽;刘展;宋广雨
作者机构：
湖北大学数学与统计学学院,武汉430062;湖北大学应用数学湖北省重点实验室,武汉430062
文献出处：
引用格式：
[1]潘莹丽;刘展;宋广雨-.基于SCAD惩罚回归的异常值检测方法)[J].统计与决策,2022(04):38-42
A类：
线性均值漂移模型,均值漂移模型
B类：
SCAD,异常值检测,基于模型,再检测,影响参数,参数估计,估计值,不可靠,线性回归模型,异常值识别,出线,低维,数据异常,移项,坐标下降算法,高维数据,变量选择
AB值：
0.157325
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。
