统计研究
統計研究
통계연구
Statistical Research
2012年
9期
95~102
,共null页
函数性广义线性模型 曲线选择 正则化方法
函數性廣義線性模型 麯線選擇 正則化方法
함수성엄의선성모형 곡선선택 정칙화방법
Functional Generalized Linear Model; Curve Selection; Regularized Methods
本文对函数性广义线性模型曲线选择的正则化方法进行了较全面的综述,并比较了各种方法的性质。结果发现,函数性广义线性模型曲线选择问题具有群组效应,另外可能具有高维数据性质。同时通过数据模拟发现,Group Bridge、Group MCP、Elastic Net和Mnet表现出较好的数值结果。
本文對函數性廣義線性模型麯線選擇的正則化方法進行瞭較全麵的綜述,併比較瞭各種方法的性質。結果髮現,函數性廣義線性模型麯線選擇問題具有群組效應,另外可能具有高維數據性質。同時通過數據模擬髮現,Group Bridge、Group MCP、Elastic Net和Mnet錶現齣較好的數值結果。
본문대함수성엄의선성모형곡선선택적정칙화방법진행료교전면적종술,병비교료각충방법적성질。결과발현,함수성엄의선성모형곡선선택문제구유군조효응,령외가능구유고유수거성질。동시통과수거모의발현,Group Bridge、Group MCP、Elastic Net화Mnet표현출교호적수치결과。
This paper generally summarized the plentiful regularized methods for curve selection in functional generalized linear model. The results showed that curve selection of functional generalized linear model demonstrates group effect and also probably involves a high-dimensional feature. Finally, through data simulation, this paper found that Group Bridge, Group MCP, Elastic Net and Mnet showed good numerical results.
