جلد 10، شماره 2 - ( آبان 1390 )
جلد 10 شماره 2 صفحات 125-140 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zhang C, Zhang Z, Chai Y. Penalized Bregman Divergence Estimation via Coordinate Descent. JIRSS. 2011; 10 (2) :125-140
URL: http://jirss.irstat.ir/article-1-160-fa.html
URL: http://jirss.irstat.ir/article-1-160-fa.html
برآورد واگرایی برگمن تاوانیده از طریق نزول مختص . پژوهشنامه انجمن آمار ایران. 1390; 10 (2) :125-140
چکیده: (10027 مشاهده)
گزینش متغیر از طریق برآورد تاوانیده برای کاهش بعد برخوردار از جذابیت است. برای رگرسیون خطی تاوانیده، افران و همکاران (۲۰۰۴) الگوریتم LARS را مطرح
کردند. اخیراً الگوریتم نزول مختص (CD) توسط فریدمن و همکاران (۲۰۰۷) برای رگرسیون خطی تاوانیده و رگرسیون لوژستیک تاوانیده پرورده و نشان داده شد که برتری
محاسباتی به‌دست می‌آید. این مقاله به کاوش در الگوریتم CD دو برآورد واگرایی برگمن (BD) تاوانیده برای رده‌ای گسترده‌تر از مدل‌ها می‌پردازد که نه تنها مدل خطی تعمیم
یافته را، که در نوشتگان مربوط به تاوانیدن به حد کفایت مطالعه شده، در بر می‌گیرد، بلکه مدل شبه درست‌نمایی را، که کمتر پرورده شده، شامل می‌شود. مطالعه براساس
شبیه سازی و کاربرد داده‌های واقعی، عملکرد الگوریتم‌های CD و LARS را در برآورد رگرسیونی، گزینش متغیر و شیوه‌ی رده بندی موقعی که تعداد متغیرهای تبیینی در مقایسه
با اندازه نمونه بزرگ است، تشریح می‌کند.
دریافت: ۱۳۹۰/۸/۱۶ | پذیرش: ۱۳۹۴/۶/۲۱
