SCAD-reglerad regression
SCAD (Smoothly Clipped Absolute Deviation) är en metod för variabelselektion och regularisering, utvecklad av Fan och Li (2001), som adresserar begränsningar med L1-regularisering (lasso). SCAD använder en icke-konkav straffterm som automatiskt utför variabelselektion samtidigt som den bibehåller orakelegenskaper: den återhämtar den sanna underliggande modellen som om de sanna prediktorerna vore kända i förväg.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/sv/psychometrics/scad-penalized-regression
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Explorativ strukturell ekvationsmodelleringPsykometri↔ jämför
- MCP-straffad regressionPsykometri↔ jämför
- Multifaktoriell analysPsykometri↔ jämför
- Partial Least Squares Structural Equation ModelingPsykometri↔ jämför
- RedundansanalysPsykometri↔ jämför
Refereras av
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →