统计与决策
統計與決策
통계여결책
2015年
11期
79~81
,共null页
GLM Lasso惩罚 局部二次逼近 重复加权最小二乘
GLM Lasso懲罰 跼部二次逼近 重複加權最小二乘
GLM Lasso징벌 국부이차핍근 중복가권최소이승
文章阐述了广义线性模型参数的极大似然无惩罚和1-范数约束即Lasso惩罚估计形式，但极大似然的Lasso惩罚估计不是逐片线性的。那么对Lasso惩罚估计形式进行局部两次泰勒展开，进行局部二次逼近，从而得到Lasso惩罚的重复加权最小二乘估计路径形式，实现估计的逐片线性，相关研究为广义线性模型的惩罚回归估计的深入研究和应用提供参考。
文章闡述瞭廣義線性模型參數的極大似然無懲罰和1-範數約束即Lasso懲罰估計形式，但極大似然的Lasso懲罰估計不是逐片線性的。那麽對Lasso懲罰估計形式進行跼部兩次泰勒展開，進行跼部二次逼近，從而得到Lasso懲罰的重複加權最小二乘估計路徑形式，實現估計的逐片線性，相關研究為廣義線性模型的懲罰迴歸估計的深入研究和應用提供參攷。
문장천술료엄의선성모형삼수적겁대사연무징벌화1-범수약속즉Lasso징벌고계형식，단겁대사연적Lasso징벌고계불시축편선성적。나요대Lasso징벌고계형식진행국부량차태륵전개，진행국부이차핍근，종이득도Lasso징벌적중복가권최소이승고계로경형식，실현고계적축편선성，상관연구위엄의선성모형적징벌회귀고계적심입연구화응용제공삼고。
