广义线性模型Lasso惩罚回归估计的局部二次逼近
作者机构：浙江农林大学理学院统计系浙江临安311300
出 版 物：《统计与决策》 (Statistics & Decision)
年 卷 期：2015年第31卷第11期
页 面：79-81页
核心收录：
学科分类：0202[经济学-应用经济学] 02[经济学] 020208[经济学-统计学] 07[理学] 070104[理学-应用数学] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学]
基 金：全国统计科学研究基金资助项目(2013LY123) 浙江省教育厅基金资助项目(Y201223259) 浙江农林大学科研发展基金项目(2011FR042)
主 题：GLM Lasso惩罚 局部二次逼近 重复加权最小二乘
摘 要：文章阐述了广义线性模型参数的极大似然无惩罚和1-范数约束即Lasso惩罚估计形式,但极大似然的Lasso惩罚估计不是逐片线性的。那么对Lasso惩罚估计形式进行局部两次泰勒展开,进行局部二次逼近,从而得到Lasso惩罚的重复加权最小二乘估计路径形式,实现估计的逐片线性,相关研究为广义线性模型的惩罚回归估计的深入研究和应用提供参考。
维普期刊数据库
同方期刊数据库