论文摘要
变量选择是统计建模的重要环节,选择合适的变量可以对数据进行更有效的分析,从而建立更准确的模型。本文主要介绍几种变量选择的常见方法包括主成分回归、偏最小二乘方法、AIC准则以及BIC准则,同时分类比较不同方法的统计共性和优缺点,明确不同方法适合的条件。最终本文归纳研究内容,并研究的最新发展方向和所面临的挑战。
论文目录
文章来源
类型: 期刊论文
作者: 鄂琳
关键词: 变量选择,主成分回归,偏最小二乘,准则
来源: 通讯世界 2019年03期
年度: 2019
分类: 信息科技,基础科学
专业: 数学
单位: 南京市天印高级中学
分类号: O212
页码: 205-206
总页数: 2
文件大小: 70K
下载量: 232
相关论文文献
- [1].基于惩罚方法的贝叶斯群组变量选择[J]. 绵阳师范学院学报 2017(02)
- [2].当前状态数据中比例风险模型的一种贝叶斯变量选择方法（英文）[J]. 中国科学技术大学学报 2020(10)
- [3].中位数回归的贝叶斯变量选择方法[J]. 应用概率统计 2019(06)
- [4].变量选择集成方法[J]. 工程数学学报 2019(01)
- [5].基于风险函数评价自变量选择对预测的影响[J]. 哈尔滨师范大学自然科学学报 2012(01)
- [6].变量选择偏离对预测的影响研究[J]. 统计与决策 2016(12)
- [7].基于特征子空间虚假邻点判别的软传感器模型变量选择[J]. 机械工程学报 2011(12)
- [8].函数型变量选择法用于空气质量影响因素实证分析[J]. 安庆师范大学学报(自然科学版) 2017(04)
- [9].污染数据的稳健稀疏成组变量选择方法研究[J]. 统计与信息论坛 2018(06)
- [10].应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J]. 赤峰学院学报(自然科学版) 2014(19)
- [11].基于两种非凸惩罚函数的稀疏组变量选择[J]. 应用数学与计算数学学报 2018(03)
- [12].基于t函数的稳健变量选择方法[J]. 上海理工大学学报 2017(06)
- [13].高维部分线性小波模型中的变量选择[J]. 宁波工程学院学报 2018(02)
- [14].个人住房抵押贷款违约相关变量选择[J]. 现代管理科学 2009(04)
- [15].Ensemble-SISPLS近红外光谱变量选择方法[J]. 光谱学与光谱分析 2019(04)
- [16].含函数型自变量回归模型中的变量选择[J]. 北京航空航天大学学报 2019(10)
- [17].基于变量选择和聚类分析的两阶段异方差模型估计[J]. 应用概率统计 2018(02)
- [18].基于可见-近红外光谱变量选择的土壤全氮含量估测研究[J]. 中国农业科学 2014(12)
- [19].基于M-估计单指标模型的变量选择[J]. 兰州理工大学学报 2017(06)
- [20].比例数据的贝叶斯变量选择[J]. 数理统计与管理 2018(03)
- [21].主因子逼近方法在变量选择中的应用[J]. 湖南理工学院学报(自然科学版) 2019(01)
- [22].基于自加权变量组合集群分析法的近红外光谱变量选择方法研究[J]. 分析化学 2018(01)
- [23].基于迭代光滑L_(1/2)算法的变量选择[J]. 应用数学与计算数学学报 2016(01)
- [24].高维部分线性模型中的变量选择[J]. 北京工业大学学报 2011(02)
- [25].一种基于频率与回归系数相结合的自举柔性收缩变量选择方法[J]. 仪器仪表学报 2020(01)
- [26].几种高维变量选择方法的比较及应用[J]. 统计与决策 2017(22)
- [27].变系数模型的变量选择[J]. 统计与决策 2016(12)
- [28].贝叶斯变量选择及模型平均的研究[J]. 统计与信息论坛 2015(08)
- [29].分位数回归模型中的两步变量选择（英文）[J]. 上海师范大学学报(自然科学版) 2015(03)
- [30].线性回归模型中变量选择方法综述[J]. 数理统计与管理 2010(04)