基于当前状态数据的加法风险模型的自适应LASSO回归选择 |
| |
引用本文: | 张怿瑾,王成勇.基于当前状态数据的加法风险模型的自适应LASSO回归选择[J].数学杂志,2021(3):189-204. |
| |
作者姓名: | 张怿瑾 王成勇 |
| |
作者单位: | 1.武汉大学数学与统计学院430072;2.湖北文理学院数学与统计学院441053; |
| |
基金项目: | Supported by National Natural Science Foundation of China(71371066). |
| |
摘 要: | 当真实的潜在模型具有稀疏表示时通常需要使用变量选择方法,确定模型中的重要预测因子可提高被拟合模型的预测性能,许多文献研究了这类问题,其中张和吕1]针对右删失数据开发了一种基于比例风险模型的变量选择方法.本文研究了基于当前状态数据的加法风险模型的变量选择问题.在文献1]的启发下,我们提出一种自适应Lasso方法来解决...
|
关 键 词: | 加法风险模型 当前状态数据 自适应Lasso ADMM算法 |
本文献已被 维普 等数据库收录! |
|