ScholarGate
Asistent
Latent structureVariable Selection

Regresia s penalizáciou SCAD

SCAD (Smoothly Clipped Absolute Deviation) je metóda výberu premenných a regularizácie vyvinutá Fanom a Li (2001), ktorá rieši obmedzenia L1 penalizácie (lasso). SCAD používa nekonkávnu penalizáciu, ktorá automaticky vykonáva výber premenných a zároveň zachováva vlastnosti orákula: obnovuje skutočný podkladový model, akoby boli skutočné prediktory známe vopred.

Otvoriť v MethodMindČoskoroApply, compare, get guidance
Tools & resources
Stiahnuť snímky
Learn & explore
VideoČoskoro

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Mapa metód

Okolie príbuzných metód — vyberte uzol na preskúmanie.

Zdroje

  1. 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
  2. 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
  3. 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

Ako citovať túto stránku

ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/sk/psychometrics/scad-penalized-regression

Ktorá metóda?

Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.

Porovnať vedľa seba

Odkazujú sem

ScholarGateSCAD Penalized Regression (Smoothly Clipped Absolute Deviation Penalized Regression). Získané 2026-06-17 z https://scholargate.app/sk/psychometrics/scad-penalized-regression · Dátová sada: https://doi.org/10.5281/zenodo.20539026