一种适用于高维回归的多阶段稀疏变量选择算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：

针对高维线性模型中微阵列数据的变量选择问题，尤其自变量数量远远大于样本数量时，提出一种多阶段变量选择算法。算法基于阈值化弹性网正则化方法，结合逐级多重假设检验，能在多阶段实现变量选择，并保证模型稀疏性和预测精度。模拟数据和实证研究结果表明，算法具有良好的有限样本性能，能够在保持预测精度的同时恢复真实模型，显著减少假阳性变量数量。（剩余11273字）

试读结束

目录
monitor