论文摘要
高维数据的变量选择是统计学家面临的主要问题之一。随着现代科学与技术的发展,统计分析者面临的数据越来越复杂,数据量也越来越大,海量的高维数据和超高维数据让统计分析工作颇具挑战性,各种各样的污染数据和异常数据也掺杂其中,如何有效地分析所得到的高维数据,是现代统计学面临的挑战之一。变量选择作为处理高维数据的一种主要思路,以模型的稀疏性假定为前提,即假定只有少量的解释变量对响应变量有显著影响,从而利用各种选择方法估计模型,提高模型的解释性。本文主要介绍几种处理高维数据和超高维数据的变量选择的方法,阐述各个方法的同时也对方法之间的改进和优缺点做了对比,发现方法之间的合理结合会产生良好的变量筛选效果。
论文目录
文章来源
类型: 期刊论文
作者: 胡紫薇
关键词: 高维数据,超高维数据,变量选择
来源: 科学技术创新 2019年30期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 数学
单位: 廊坊银行股份有限公司
分类号: O212.1
页码: 27-29
总页数: 3
文件大小: 299K
下载量: 236
相关论文文献
- [1].有序响应变量的贝叶斯模型选择及其在COPD疾病防治中的应用[J]. 统计研究 2020(03)
- [2].响应变量随机缺失下超高维模型特征筛选方法[J]. 统计与决策 2017(13)
- [3].贝叶斯响应变量适应性随机化模拟预测评价方法初探[J]. 中国卫生统计 2020(03)
- [4].基于多响应变量分析的组织间知识链风险评估[J]. 科技进步与对策 2009(09)
- [5].响应变量缺失时偏线性测量误差模型的变量选择[J]. 厦门大学学报(自然科学版) 2014(01)
- [6].非正态响应变量的最优线性预测[J]. 经济数学 2009(03)
- [7].多个响应变量的纵向数据联合建模方法及应用[J]. 世界科学技术-中医药现代化 2017(09)
- [8].响应变量缺失下变系数部分线性测量误差模型的约束估计[J]. 数学的实践与认识 2018(08)
- [9].响应变量缺失下非线性回归模型的加权半参数估计[J]. 数学的实践与认识 2016(24)
- [10].一种二元响应变量模型的分布式贝叶斯估计方法[J]. 华东理工大学学报(自然科学版) 2017(04)
- [11].响应变量随机缺失下广义线性模型的经验似然[J]. 陕西师范大学学报(自然科学版) 2015(03)
- [12].缺失数据下线性模型中缺失值处理方法的比较[J]. 广西科学 2009(04)
- [13].二分类响应变量下判别分析与Logistic回归比较[J]. 长春工业大学学报 2019(05)
- [14].响应变量缺失下线性模型的模型平均[J]. 山东师范大学学报(自然科学版) 2020(02)
- [15].基于Alpha稳定分布的二元响应变量回归模型[J]. 华东理工大学学报(自然科学版) 2017(01)
- [16].基于贝叶斯学习的惩罚因子的选择[J]. 统计与决策 2017(14)
- [17].基于逻辑回归的手机APP付费问题研究[J]. 大众投资指南 2018(09)
- [18].响应变量随机缺失下部分线性单指标模型的非参数判别检验[J]. 南京信息工程大学学报(自然科学版) 2013(05)
- [19].响应变量缺失情形下非线性EV模型的估计[J]. 福州大学学报(自然科学版) 2010(04)
- [20].核实数据下响应变量缺失的线性模型均值估计[J]. 山东大学学报(理学版) 2010(08)
- [21].自适应临床试验设计的近期进展及展望[J]. 数理统计与管理 2020(04)
- [22].基于广义线性模型的基因表达水平预测[J]. 大连理工大学学报 2020(01)
- [23].中国老年多维贫困的测度和致贫因素——基于社区和家庭的分层研究[J]. 经济问题 2016(10)
- [24].响应变量缺失下变系数部分线性模型的参数估计[J]. 重庆理工大学学报(自然科学) 2017(10)
- [25].基于产品质量改进的动态多响应稳健性集成建模策略[J]. 统计与决策 2020(21)
- [26].响应变量缺失下半变系数部分线性EV模型估计的渐进性[J]. 甘肃科学学报 2015(05)
- [27].函数型非参数回归模型及其在金融中的应用[J]. 滁州学院学报 2016(05)
- [28].响应变量缺失下部分线性模型均值的稳健估计[J]. 北京工业大学学报 2017(02)
- [29].响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断[J]. 山东大学学报(理学版) 2015(11)
- [30].两响应Haar小波回归模型最优设计[J]. 应用概率统计 2010(02)