SCAD-penalisert regresjon
SCAD (Smoothly Clipped Absolute Deviation) er en metode for variabelseleksjon og regularisering utviklet av Fan og Li (2001) som adresserer begrensningene ved L1-penalisering (lasso). SCAD bruker en ikke-konkav straffefunksjon som automatisk utfører variabelseleksjon, samtidig som den opprettholder orakelegenskaper: den gjenoppretter den sanne underliggende modellen som om de sanne prediktorene var kjent på forhånd.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/no/psychometrics/scad-penalized-regression
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Exploratory Structural Equation ModelingPsykometri↔ sammenlign
- MCP Penalized RegressionPsykometri↔ sammenlign
- Multifaktor-analysePsykometri↔ sammenlign
- Partiell minste kvadraters strukturell ligningsmodelleringPsykometri↔ sammenlign
- RedundansanalysePsykometri↔ sammenlign
Referert av
Similar methods
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →