Regresja z penalizacją SCAD
SCAD (Smoothly Clipped Absolute Deviation) to metoda selekcji zmiennych i regularyzacji opracowana przez Fan i Li (2001), która rozwiązuje ograniczenia penalizacji L1 (lasso). SCAD wykorzystuje nie-wklęsłą karę, która automatycznie dokonuje selekcji zmiennych, zachowując jednocześnie właściwości wyroczni: odzyskuje prawdziwy model bazowy, tak jakby prawdziwi predyktorzy byli znani z góry.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/pl/psychometrics/scad-penalized-regression
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Eksploratoryjne modelowanie równań strukturalnychPsychometria↔ porównaj
- Regresja z karą MCPPsychometria↔ porównaj
- Analiza Wielu CzynnikówPsychometria↔ porównaj
- Modelowanie równań strukturalnych metodą najmniejszych kwadratów częściowychPsychometria↔ porównaj
- Analiza redundancjiPsychometria↔ porównaj
Cytowana przez
Similar methods
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →