|
|||||
|
|
| 高维泊松回归的模型平均方法 | |
| 作者姓名： | 周建红 赵尚威 |
| 作者单位： | 广东金融学院信用管理系;中央民族大学理学院 |
| 摘 要： | 当有很多候选模型并且不确定使用哪个模型时,模型平均是一种值得采用的方法.相对于单个模型,模型平均通常能够提高预测精度.文章提出了高维泊松回归的模型平均方法,证明了其最优性质,并通过数值模拟发现该方法能够提高计数变量的预测精度.同时,考虑到高维数据下,候选模型过多的问题,文章也提出了一种新的模型筛选方法:基于最小角回归(LARS)的LASSO(或ALASSO)修正算法的模型筛选方法.该种方法,可以大大减少计算负担.数值模拟也显示了该方法有很好的表现. |
| 本文献已被 CNKI 等数据库收录！ | |