جلد 10، شماره 2 - ( آبان 1390 )                   جلد 10 شماره 2 صفحات 140-125 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
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
برآورد واگرایی برگمن تاوانیده از طریق نزول مختص . پژوهشنامه انجمن آمار ایران. 1390; 10 (2) :140-125

URL: http://jirss.irstat.ir/article-1-160-fa.html


چکیده:   (11962 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.
متن کامل [PDF 138 kb]   (3541 دریافت)    

دریافت: 1390/8/16 | پذیرش: 1394/6/21 | انتشار: 1390/8/24

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه انجمن آمار ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of The Iranian Statistical Society

Designed & Developed by : Yektaweb