SCAD регуляризация с наказателна функция
SCAD (Smoothly Clipped Absolute Deviation) е метод за избор на променливи и регуляризация, разработен от Fan и Li (2001), който преодолява ограниченията на L1 регуляризацията (lasso). SCAD използва неконкавна наказателна функция, която автоматично извършва избор на променливи, като същевременно поддържа оракулски свойства: възстановява истинския базов модел, сякаш истинските предиктори са били известни предварително.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Fan, J., & Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. Journal of the American Statistical Association, 96(456), 1348-1360. DOI: 10.1198/016214501753382273 ↗
- Zou, H., & Li, R. (2008). One-step sparse estimates in nonconcave penalized likelihood models. Annals of Statistics, 36(4), 1509-1533. DOI: 10.1214/009053607000000802 ↗
- Wang, H., Li, G., & Tsai, C. L. (2007). Regression coefficient and autoregressive order shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 69(1), 63-78. DOI: 10.1111/j.1467-9868.2007.00577.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/bg/psychometrics/scad-penalized-regression
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Изследователско моделиране на структурни уравненияПсихометрия↔ сравняване
- Регресия с наказание MCPПсихометрия↔ сравняване
- Множествен анализ на факториПсихометрия↔ сравняване
- Частично най-малки квадрати - Моделиране на структурни уравненияПсихометрия↔ сравняване
- Редундантен анализПсихометрия↔ сравняване
Цитиран в
Similar methods
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →