高维数据在Cox回归模型中的自变量选择——基于Elastic Net方法的维数约简
Independent Variable Selection of High-Dimensional Data in Cox Regression Model—Dimension Reduction Based on Elastic Net作者机构：重庆理工大学理学院重庆
出 版 物：《统计学与应用》 (Statistical and Application)
年 卷 期：2021年第10卷第2期
页 面：183-192页
学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：高维共线性 变量选择 Elastic Net
摘 要：在高维数据分析中,LASSO维数约简方法占有很重要的位置。针对数据愈发繁杂,LASSO回归不再适应一些具有较高相关性的高维数据分析,由此产生了Elastic Net和其他相关的一些高维数据拓展分析方法。Elastic Net是在LASSO的思想方法基础上结合非凸罚函数和岭回归方法得到的,Adaptive Elastic Net等是在Elastic Net的思想方法上,通过数据特征的不同改进惩罚函数,缓和稀疏性和过拟合的问题。文章对Elastic Net、Adaptive Elastic Net、Weight Elastic Net进行了介绍并且通过实际例子做了简单的比较,最终得到了较好的维数约简方法。
维普期刊数据库