So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Hồi quy có phạt MCP× | Phân tích Tái chừng× | |
|---|---|---|
| Lĩnh vực | Trắc lượng tâm lý | Trắc lượng tâm lý |
| Họ | Latent structure | Latent structure |
| Năm ra đời≠ | 2010 | 1977 |
| Người khởi xướng≠ | Cun-Hui Zhang | Albert van den Wollenberg |
| Loại≠ | Penalized regression with minimax concave penalty | Asymmetric multivariate analysis |
| Công trình gốc≠ | Zhang, C. H. (2010). Nearly unbiased variable selection under minimax concave penalty. Annals of Statistics, 38(2), 894-942. DOI ↗ | van den Wollenberg, A. L. (1977). Redundancy analysis: An alternative for canonical correlation analysis. Psychometrika, 42(2), 207-219. DOI ↗ |
| Tên gọi khác | MCP | RDA |
| Liên quan≠ | 4 | 5 |
| Tóm tắt≠ | MCP (Minimax Concave Penalty) is a variable selection method developed by Zhang (2010) that uses a concave penalty function for automated feature selection. Like SCAD, MCP addresses bias in lasso by avoiding shrinkage of large coefficients, but uses a different penalty shape that is computationally simpler than SCAD. | Redundancy Analysis (RDA) is a multivariate technique developed by van den Wollenberg (1977) that combines multiple regression and principal component analysis. RDA finds linear combinations of predictor variables that best predict variation in response variables, making it ideal for understanding how sets of predictors collectively explain multivariate outcomes. |
| ScholarGateBộ dữ liệu ↗ |
|
|