SCAD penalizētā regresija
SCAD (Smoothly Clipped Absolute Deviation) ir mainīgo atlases un regularizācijas metode, ko izstrādājuši Fan un Li (2001), un kas risina L1 penalizācijas (lasso) ierobežojumus. SCAD izmanto nekonkāvu sodu, kas automātiski veic mainīgo atlasi, vienlaikus saglabājot orākula īpašības: tā atgūst patieso pamatā esošo modeli, it kā patiesie prediktori būtu zināmi iepriekš.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/lv/psychometrics/scad-penalized-regression
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Eksploratīvā strukturālā vienādojumu modelēšanaPsihometrija↔ salīdzināt
- MCP penalizētā regresijaPsihometrija↔ salīdzināt
- Vairākfaktoru analīzePsihometrija↔ salīdzināt
- Daļējo mazāko kvadrātu strukturālo vienādojumu modelēšanaPsihometrija↔ salīdzināt
- Redundancy AnalysisPsihometrija↔ salīdzināt
Uz to atsaucas
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →