Hồi quy có phạt MCP
MCP (Minimax Concave Penalty) là một phương pháp lựa chọn biến được phát triển bởi Zhang (2010) sử dụng hàm phạt lõm để lựa chọn đặc trưng tự động. Giống như SCAD, MCP giải quyết vấn đề sai lệch trong lasso bằng cách tránh co rút các hệ số lớn, nhưng sử dụng hình dạng phạt khác đơn giản hơn về mặt tính toán so với SCAD.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Minimax Concave Penalty Penalized Regression. ScholarGate. https://scholargate.app/vi/psychometrics/mcp-penalized-regression
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Mô hình cấu trúc phương trình thăm dòTrắc lượng tâm lý↔ so sánh
- Mô hình hóa phương trình cấu trúc Bình phương tối thiểu riêng phầnTrắc lượng tâm lý↔ so sánh
- Phân tích Tái chừngTrắc lượng tâm lý↔ so sánh
- Hồi quy có phạt SCADTrắc lượng tâm lý↔ so sánh
Được tham chiếu bởi
Similar methods
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →