MCP পেনাল্টিযুক্ত রিগ্রেশন
MCP (Minimax Concave Penalty) হল Zhang (2010) কর্তৃক বিকশিত একটি ভেরিয়েবল নির্বাচন পদ্ধতি যা স্বয়ংক্রিয় বৈশিষ্ট্য নির্বাচনের জন্য একটি অবতল (concave) পেনাল্টি ফাংশন ব্যবহার করে। SCAD-এর মতো, MCP ল্যাসোর (lasso) পক্ষপাতিত্বের সমাধান করে, বড় সহগগুলির সংকোচন এড়িয়ে, কিন্তু SCAD-এর চেয়ে গণনাগতভাবে সহজ একটি ভিন্ন পেনাল্টি আকৃতি ব্যবহার করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- Zhang, C. H. (2010). Nearly unbiased variable selection under minimax concave penalty. Annals of Statistics, 38(2), 894-942. DOI: 10.1214/09-AOS729 ↗
- Breheny, P., & Huang, J. (2011). Coordinate descent algorithms for nonconvex penalized regression. Annals of Applied Statistics, 5(1), 232-253. link ↗
- Zhang, C. H., & Zhang, T. (2012). A general theory of concave regularized M-estimators. Statistical Science, 27(4), 506-537. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Minimax Concave Penalty Penalized Regression. ScholarGate. https://scholargate.app/bn/psychometrics/mcp-penalized-regression
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- Exploratory Structural Equation Modelingমনোমিতি↔ তুলনা করুন
- আংশিক ন্যূনতম বর্গমূল কাঠামোগত সমীকরণ মডেলিংমনোমিতি↔ তুলনা করুন
- রিডানডেন্সি অ্যানালাইসিসমনোমিতি↔ তুলনা করুন
- SCAD দণ্ডায়িত রিগ্রেশনমনোমিতি↔ তুলনা করুন
যেখানে উদ্ধৃত
Similar methods
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →