Regresie cu penalizare MCP
MCP (Minimax Concave Penalty) este o metodă de selecție a variabilelor dezvoltată de Zhang (2010) care utilizează o funcție de penalizare concavă pentru selecția automată a caracteristicilor. Similar cu SCAD, MCP abordează biasul din lasso prin evitarea micșorării coeficienților mari, dar folosește o formă de penalizare diferită, care este computațional mai simplă decât SCAD.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Minimax Concave Penalty Penalized Regression. ScholarGate. https://scholargate.app/ro/psychometrics/mcp-penalized-regression
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Modelarea Ecuațiilor Structurale ExploratoriiPsihometrie↔ compară
- Modelarea ecuațiilor structurale prin metoda celor mai mici pătrate parțialePsihometrie↔ compară
- Analiza RedundanțeiPsihometrie↔ compară
- Regresie penalizată SCADPsihometrie↔ compară
Citat de
Similar methods
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →