Latent structureVariable Selection
MCP दंडित प्रतिगमन
MCP (मिनिमैक्स कॉनकेव पेनल्टी) झांग (2010) द्वारा विकसित एक चर चयन विधि है जो स्वचालित फ़ीचर चयन के लिए एक कॉनकेव पेनल्टी फ़ंक्शन का उपयोग करती है। SCAD की तरह, MCP बड़े गुणांकों के संकुचन से बचकर लासो में पूर्वाग्रह को संबोधित करता है, लेकिन SCAD की तुलना में कम्प्यूटेशनल रूप से सरल एक अलग पेनल्टी आकार का उपयोग करता है।
MethodMind में खोलेंजल्द हीApply, compare, get guidance
Tools & resources
Learn & explore
वीडियोजल्द ही
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Minimax Concave Penalty Penalized Regression. ScholarGate. https://scholargate.app/hi/psychometrics/mcp-penalized-regression
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- अन्वेषणात्मक संरचनात्मक समीकरण मॉडलिंगमनोमिति↔ तुलना करें
- आंशिक न्यूनतम वर्ग संरचनात्मक समीकरण मॉडलिंगमनोमिति↔ तुलना करें
- अतिरेक विश्लेषणमनोमिति↔ तुलना करें
- SCAD दंडित प्रतिगमन (SCAD Penalized Regression)मनोमिति↔ तुलना करें