Регресія зі штрафом SCAD
SCAD (Smoothly Clipped Absolute Deviation) — це метод відбору змінних та регуляризації, розроблений Фан та Лі (2001), який долає обмеження L1-регуляризації (lasso). SCAD використовує негнучкий штраф, який автоматично виконує відбір змінних, зберігаючи при цьому оракульні властивості: він відновлює справжню приховану модель, ніби справжні предиктори були відомі заздалегідь.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Smoothly Clipped Absolute Deviation Penalized Regression. ScholarGate. https://scholargate.app/uk/psychometrics/scad-penalized-regression
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Вибухове моделювання структурними рівняннямиПсихометрія↔ порівняти
- Штрафна регресія MCPПсихометрія↔ порівняти
- Множинний факторний аналізПсихометрія↔ порівняти
- Моделювання структурними рівняннями методом часткових найменших квадратівПсихометрія↔ порівняти
- Редюнданс-аналізПсихометрія↔ порівняти
Згадується в
Similar methods
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →