SCAD-reguleret regression
SCAD (Smoothly Clipped Absolute Deviation) er en metode til variabelselektion og regularisering udviklet af Fan og Li (2001), der adresserer begrænsninger ved L1-penalisering (lasso). SCAD anvender en ikke-konkav straffunktion, der automatisk udfører variabelselektion, samtidig med at den bevarer 'oracle'-egenskaber: den genfinder den sande underliggende model, som om de sande prædiktorer var kendt på forhånd.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/da/psychometrics/scad-penalized-regression
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Exploratorisk Strukturel LigningsmodelleringPsykometri↔ sammenlign
- MCP-straffet regressionPsykometri↔ sammenlign
- Multipel faktoranalysePsykometri↔ sammenlign
- Partial Least Squares Structural Equation ModelingPsykometri↔ sammenlign
- RedundansanalysePsykometri↔ sammenlign
Refereret af
Similar methods
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →