• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Penalized regression with correlation-based penalty
【24h】

Penalized regression with correlation-based penalty

机译：基于相关惩罚的惩罚回归

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A new regularization method for regression models is proposed. The criterion to be minimized contains a penalty term which explicitly links strength of penalization to the correlation between predictors. Like the elastic net, the method encourages a grouping effect where strongly correlated predictors tend to be in or out of the model together. A boosted version of the penalized estimator, which is based on a new boosting method, allows to select variables. Real world data and simulations show that the method compares well to competing regularization techniques. In settings where the number of predictors is smaller than the number of observations it frequently performs better than competitors, in high dimensional settings prediction measures favor the elastic net while accuracy of estimation and stability of variable selection favors the newly proposed method.
机译：提出了一种新的回归模型正则化方法。要最小化的标准包含惩罚项，该惩罚项将惩罚强度与预测变量之间的相关性明确关联。像弹性网一样，该方法会促进分组效果，其中高度相关的预测变量往往一起出现在模型中或不在模型中。基于新的提升方法的惩罚估计量的提升版本允许选择变量。现实世界的数据和模拟表明，该方法与竞争性正则化技术相比具有很好的对比性。在预测变量的数量少于观察数量的环境中，预测变量的性能通常优于竞争者，在高维环境中，预测措施偏向于弹性网，而估计的准确性和变量选择的稳定性偏向于新提出的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号