Latent structureVariable Selection

Παλινδρόμηση με ποινή SCAD

Η SCAD (Smoothly Clipped Absolute Deviation) είναι μια μέθοδος επιλογής μεταβλητών και κανονικοποίησης που αναπτύχθηκε από τους Fan και Li (2001) και αντιμετωπίζει τους περιορισμούς της L1 κανονικοποίησης (lasso). Η SCAD χρησιμοποιεί μια μη-κοίλη ποινή που εκτελεί αυτόματα επιλογή μεταβλητών, διατηρώντας παράλληλα τις ιδιότητες μάντη (oracle properties): ανακτά το πραγματικό υποκείμενο μοντέλο σαν να ήταν γνωστοί εκ των προτέρων οι πραγματικοί προγνωστικοί δείκτες.

Άνοιγμα στο MethodMindΣύντομαApply, compare, get guidance

Tools & resources

Λήψη διαφανειών

Learn & explore

ΒίντεοΣύντομα

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Χάρτης μεθόδων

Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.

Παλινδρόμηση με ποινή SCAD

Διερευνητική Μοντελοποίη…Ενισχυτική Παλινδρόμηση…Ανάλυση Πολλαπλών Παραγό…Μερική Ελαχίστων Τετραγώ…Ανάλυση Πλεονασμού

Πηγές

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 ↗

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/el/psychometrics/scad-penalized-regression

Ποια μέθοδος;

Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.