Regresioni i Penalizuar MCP
MCP (Minimax Concave Penalty) është një metodë e përzgjedhjes së variablave zhvilluar nga Zhang (2010) që përdor një funksion penalizues konkav për përzgjedhjen automatike të tipareve. Ashtu si SCAD, MCP adreson shtrembërimin (bias) në lasso duke shmangur tkurrjen e koeficientëve të mëdhenj, por përdor një formë tjetër penalizimi që është më e thjeshtë nga pikëpamja llogaritëse se SCAD.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Minimax Concave Penalty Penalized Regression. ScholarGate. https://scholargate.app/sq/psychometrics/mcp-penalized-regression
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Modelimi Eksplorativ i Ekuacioneve StrukturorePsikometri↔ krahaso
- Partial Least Squares Structural Equation ModelingPsikometri↔ krahaso
- Analiza e RedundancësPsikometri↔ krahaso
- Regresioni i Penizuar SCADPsikometri↔ krahaso
Cituar nga
Similar methods
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →