基于两种非凸惩罚函数的稀疏组变量选择 |
| |
引用本文: | 李鹏翔叶万洲.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(3):437-446. |
| |
作者姓名: | 李鹏翔叶万洲 |
| |
作者单位: | 1.上海大学理学院200444; |
| |
摘 要: | 利用正则化方法来进行变量选择是近年来研究的热点.在实际应用中解释变量常常以组的形式存在,通常我们希望将重要的组和组内重要的协变量选择出来,即双重变量选择.基于两种非凸惩罚函数SCAD和MCP,分别提出了稀疏Group SCAD和稀疏Group MCP估计方法,通过分块坐标下降迭代算法,达到组内和组间变量同时稀疏的效果.数值模拟结果表明本文提出的两种方法在模型预测和变量选择能力上优于Group Lasso和稀疏Group Lasso算法.并将该算法有效地应用于实际的初生儿体重数据集分析中.
|
关 键 词: | 组变量选择 组内稀疏 稀疏Group SCAD MCP |
本文献已被 CNKI 维普 等数据库收录! |
|