Regression Model Selection Under General Conditions
本文在一般条件下为广泛类别的模型选择准则提供了渐近最优性的统一证明,从而统一并扩展了先前分散的结果。
2025-10-16 econ.EM math.ST stat.ME
Optimal bandwidth selection for semi-recursive kernel regression estimators
本文提出了一种由随机逼近算法定义的回归函数半递归核估计带宽的自动选择方法。我们表明,使用选定的带宽和一些特殊的步长,建议的半递归估计将是非常有竞争力的非递归的估计误差,但更好的计算成本。我们通过模拟研究和真实数据集证实了这些理论结果。
2016-07-04 math.ST stat.TH
Variable selection in semiparametric regression modeling
本文讨论了半参数模型中重要变量的选取问题。半参数回归模型的变量选择由两部分组成:非参数部分的模型选择和参数部分的显著变量选择。因此,半参数变量选择比参数变量选择更具挑战性(例如,线性和广义线性模型),因为包括逐步回归和最佳子集选择的传统变量选择程序现在需要为每个子模型的非参数分量进行单独的模型选择。这导致非常沉重的计算负担。本文提出了一类使用非凹惩罚似然的半参数回归模型的变量选择方法。我们建立了所得估计的收敛速度收敛速率。通过适当地选择罚函数和正则化参数,我们证明了所得到的估计的渐近正态性,并进一步证明了所提出的方法与预言方法一样有效.提出了一种半参数广义似然比检验来选择非参数分量中的显著变量。我们研究了该检验的渐近行为,并证明了其极限零分布服从独立于冗余参数的χ 2分布。进行了广泛的蒙特卡罗模拟研究,以检查有限样本的性能,建议的变量选择程序。
2008-03-13 math.ST stat.TH
Model selection for high-dimensional linear regression with dependent observations
National Tsing Hua University(国立清华大学)
研究了正交贪婪算法(OGA)在具有相依观测的高维回归模型中的预测能力。在各种稀疏性条件下,得到了OGA预测误差的收敛速度。为了防止OGA的过拟合,我们引入了一个高维赤池的信息准则(HDAIC)来确定OGA的迭代次数。这项工作的一个关键贡献是表明,OGA,与HDAIC结合使用,可以实现最佳的收敛速度,而不需要知道底层的高维模型是多么稀疏。
2019-06-18 cs.LG math.ST stat.ML
Generalized ridge estimator and model selection criterion in multivariate linear regression
在多元线性回归中,基于广义岭估计在平方风险和Kullback-Leibler风险下优于极大似然估计,提出了新的模型选择准则.我们的模型选择标准有以下最喜欢的属性:一致性,无偏性,一致最小方差。在渐近结构$\frac{p}{n}\to c$下证明了一致性,其中$n$是样本量,$p$是响应变量的参数维数。特别是,我们提出的估计类占主导地位的平方风险下的最大似然估计,即使模型不包括真正的模型。实验结果表明,我们的模型选择标准的风险是小于的最大似然估计的基础上,我们提出的标准指定的真实模型在一定条件下。
2016-04-07 math.ST stat.TH
Estimation in a simple linear regression model with measurement error
本文讨论了简单线性回归模型中斜率参数的估计问题,其中自变量具有函数测量误差。众所周知,自变量的测量误差会导致普通最小二乘估计量的偏倚。在有限样本情形下,给出了一种减小偏差的一般方法,并给出了一些精确的减小偏差的估计量。此外,它表明,某些截断程序改善了普通最小二乘和偏差减少估计的均方误差。
2018-04-09 math.ST stat.TH
Adaptive LASSO model selection in a multiphase quantile regression
针对分位数回归模型,提出了一种通用的自适应LASSO方法。当我们对模型误差的前两阶矩一无所知时,我们的方法非常有趣。我们首先证明所得到的估计满足预言性质,这涉及到相关变量的选择,而不使用假设检验。接下来,我们研究所提出的方法时,(多相)模型变化到未知的观测称为变点。得到了变点估计和回归参数估计在各阶段的收敛速度,回归参数的自适应LASSO分位数估计的稀疏性不受变点估计的影响.在相位数未知的情况下,提出了一个相容性判据。通过Monte Carlo模拟的数值研究表明,所提出的方法的性能相比,其他现有的方法在文献中,模型与单相或多相模型。自适应LASSO分位数方法的性能优于已知的变量选择方法,例如具有自适应LASSO罚分的最小二乘方法、具有LASSO类型罚分的$L_1$方法和具有SCAD罚分位数方法。
2014-10-21 math.ST stat.TH
Composite quantile regression and the oracle Model Selection Theory
多元线性回归中的系数估计和变量选择通常在(惩罚)最小二乘(LS)框架中进行。本文介绍了范和李提出的模型选择预言的概念[J. Amer. Statistist. Assoc.96(2001)1348- 1360]描述了模型选择过程的最优行为。然而,如果误差方差是无限的,最小二乘预言理论就失效了。在本文中,我们提出了一种新的回归方法称为复合分位数回归(CQR)。我们表明,使用CQR预言机的预言机模型选择理论工作得很好,即使当误差方差是无限的。我们开发了一个新的预言程序,以实现最佳性能的CQR预言。当误差方差有限时,CQR在估计效率方面仍具有很大的优势。我们表明,CQR的相对效率相比,最小二乘法是大于70%,无论误差分布。此外,CQR可能比最小二乘更有效,有时甚至更有效。当比较CQR-预言估计量和LS-预言估计量时,同样的结论也成立。
2008-06-18 math.ST stat.TH
Model selection in high-dimensional quantile regression with seamless $L_0$ penalty
本文研究了当参数个数随样本量增加时线性模型的参数估计问题。在不对模型误差的矩作任何假设的情况下,我们提出并研究了无缝的$L_0$分位数估计。对于这个估计,我们首先给出了收敛速度。然后,我们证明了它能正确区分零参数和非零参数,并且非零参数的估计量是渐近正态的。给出了选择调谐参数的一致BIC准则。
2015-06-04 math.ST stat.TH
Learning Theory of Distributed Regression with Bias Corrected Regularization Kernel Network
Zhejiang University(浙江大学);Fudan University(复旦大学);Middle Tennessee State University(中田纳西州立大学)
分布式学习是分析大数据的有效方法。在分布式回归中,一种典型的方法是将大数据划分为多个块,对每个块应用基本回归算法,然后简单地对从这些块中学习的输出函数进行平均。由于平均过程将减少方差,而不是偏差,如果基本回归算法是有偏的,则偏差校正有望改善学习性能。正则化核网络是非线性回归分析的一种有效且广泛应用的方法。在本文中,我们将研究正则化核网络的偏差校正版本。当它被应用到一个单一的数据集,当它被应用为分布式回归的基本算法,我们推导出的误差界。我们表明,在某些适当的条件下,最佳的学习率可以达到在这两种情况下。
2017-08-07 cs.LG stat.ML
Valid Post-Selection Inference in High-Dimensional Approximately Sparse Quantile Regression Models
本文提出了一种新的(异质)分位数回归模型中回归系数的推断方法。我们考虑一个高维模型,其中回归变量的数量可能超过样本量,但其中的一个子集足以构建一个合理的近似条件分位数函数。所提出的方法是(显式或隐式)基于正交得分函数,防止适度的模型选择错误,这往往是不可避免的,在本文中考虑的近似稀疏模型。我们建立了所提出的分位数回归系数的置信区域的一致有效性。重要的是,这些方法直接适用于一个以上的变量和连续的分位数指数。此外,所提出的方法的性能说明通过蒙特卡洛实验和实证的例子,处理儿童营养不良的危险因素。
2016-06-23 econ.EM math.ST stat.TH
Shap-Select: Lightweight Feature Selection Using SHAP Values and Regression
Wise Plc(Wise公司)
针对高维数据下的特征选择需求,提出新型框架shap-select,通过验证集上特征Shapley值对目标的回归系数实现启发式选择,在Kaggle欺诈数据集上表现优于多种成熟方法,兼顾可解释性、效率与性能。
2024-10-09 cs.LG
Valid Post-selection Inference in Assumption-lean Linear Regression
基于数据驱动选择的估计量有效统计推断的构造近年来受到了广泛关注。Berk等人(2013)可能是第一个在任意协变量/变量选择下为具有固定协变量的高斯同方差线性回归提供有效推断的工作。该设置是不现实的,Bachoc et al.(2016)通过放松分布假设进行了扩展。上述工作的一个主要缺点是有效置信区域的构造是计算密集的。本文首先证明了后选择推理等价于同时推理,然后构造了计算简单的有效后选择置信区域。我们的构造是基于确定性不等式和适用于独立以及相关的随机变量,而不需要正确的分布假设。最后,我们比较了我们的置信区域与现有的体积,并表明在非随机协变量,我们的区域要小得多。
2018-06-11 math.ST stat.ME stat.TH
Shrinkage Estimation and Selection for Multiple Functional Regression
泛函线性回归是简单线性回归的一种有效推广,已被许多学者所研究。然而,与多元线性回归中的函数变量选择问题相对应的多个函数观测值存在时的函数变量选择问题却很少被研究。在这里,我们提出了一种方法,使用组平滑剪切绝对偏差惩罚(gSCAD),可以同时进行回归估计和变量选择。我们证明了该方法可以一致地识别真实模型,并讨论了函数系数估计的逐点置信区间的构造。我们的方法和理论验证了模拟研究以及光谱数据的应用。
2011-08-19 stat.ME
Uniform Post Selection Inference for LAD Regression and Other Z-estimation problems
在具有同方差误差的高维稀疏中位数回归模型中,我们给出了回归系数的一致有效置信区域。我们的方法是基于一个时刻方程,免疫对非正规估计的滋扰部分的中位数回归函数,通过使用奈曼的正交化。我们建立了目标回归系数的工具中位数回归估计是渐近正态分布均匀相对于底层稀疏模型,是半参数有效的。我们还将我们的方法推广到一般的非光滑Z-估计框架,目标参数$p_1$的数量可能远大于样本量$n$。我们扩展胡贝尔的结果渐近正态性的设置,证明一致的渐近正态性的估计超过$p_1$维矩形,同时构建置信带的所有$p_1$的目标参数,并建立渐近有效性的乐队一致的基本近似稀疏模型。关键词:工具;后选择推理;稀疏性;奈曼正交评分检验;一致有效推理; Z-估计。
2020-10-18 econ.EM math.ST stat.ME
A Systematic Bias of Machine Learning Regression Models and Its Correction: an Application to Imaging-based Brain Age Prediction
University of Maryland(马里兰大学);School of Medicine(医学院);Maryland Psychiatric Research Center(马里兰精神病研究中心);The University of Maryland Institute for Health Computing (UM-IHC)(马里兰大学健康计算研究所)
本文揭示机器学习回归模型对极端值预测存在系统性偏差,提出通用约束优化校正方法,并在脑龄预测中验证其有效性,实现无偏预测。
2024-09-04 cs.LG stat.ME stat.ML
Regression Trees and Random forest based feature selection for malaria risk exposure prediction
Université d’Abomey-Calavi(阿波美卡拉维大学);Université Paris 1 Panthéon Sorbonne(巴黎第一大学(先贤祠-索邦大学))
本文讨论了利用环境和气候变量预测疟疾风险的主要媒介按蚊数量。变量的选择是基于一个自动的机器学习方法,使用回归树,随机森林结合分层两级交叉验证。使用变量重要性的二次距离来访问变量重要性的最小阈值,同时使用所选变量的最优子集来执行预测。最后,结果显示,在选择,预测和CPU时间的观点比GLM-Lasso方法得到的定性更好。
2016-06-24 cs.LG stat.ML
The Directional Bias Helps Stochastic Gradient Descent to Generalize in Kernel Regression Models
本文研究了非参数统计中的随机梯度下降(SGD)算法:特别是核回归。SGD的方向偏差属性,这是已知的线性回归设置,推广到核回归。更具体地说,我们证明了SGD与温和的退火步长收敛沿的方向对应的最大特征值的革兰氏矩阵的特征向量。此外,具有中等或小步长的梯度下降(GD)沿着对应于最小特征值的方向收敛。这些事实被称为方向偏差属性;它们可以解释SGD计算的估计量如何比GD计算的估计量具有潜在的更小的泛化误差。我们的理论的应用证明了模拟研究和案例研究,是基于FashionMNIST数据集。
2022-04-29 cs.LG stat.ML
Feature selection algorithm based on Catastrophe model to improve the performance of regression analysis
University of California San Francisco(加州大学旧金山分校)
在本文中,我们介绍了一种新的特征选择算法,以消除不相关的或冗余的数据集的功能。在该算法中,特征的重要性基于其对突变模型的拟合。赤池信息标准值用于对数据集中的特征进行排序。该算法与著名的RELIEF特征选择算法进行了比较。乳腺癌,帕金森远程监测数据和切片局部数据集被用来评估模型。
2017-04-21 cs.LG stat.ML
Robust Regression via Online Feature Selection under Adversarial Data Corruption
Virginia Tech(弗吉尼亚理工大学);George Mason University(乔治梅森大学);U. S. Army Corps of Engineers(美国陆军工程兵团)
用户生成的流数据(如社交媒体)中存在数据损坏,这激发了一个新的基本问题,即当特征不能一次完全访问时,学习可靠的回归系数。到目前为止,几个重要的挑战仍然无法同时处理:1)当只有部分特征可访问时,损坏的数据估计; 2)当数据包含对抗性损坏时,在线特征选择;以及3)扩展到大规模数据集。本文提出了一种新的RObust回归算法通过在线特征选择(\textit{RoOFS}),同时解决所有上述挑战。具体地说,该算法通过一个强大的在线特征替换方法迭代地更新回归系数和未损坏的集合。我们还证明了我们的算法有一个有限的误差界相比,最优解。在合成数据集和真实数据集上的大量实验表明,该方法在恢复特征选择和回归系数方面均优于现有方法,具有非常有竞争力的效率.
2019-02-05 cs.LG stat.ML
Integrating feature selection and regression methods with technical indicators for predicting Apple Inc. stock prices
Birjand University of Technology(比尔詹德理工大学);Yazd University(亚兹德大学)
本研究利用苹果公司13年数据,结合123个技术指标与10种回归模型,通过特征选择显著提升股价预测精度,最佳组合为3天窗口下线性回归与岭回归,MSE为0.00025。
2025-10-15 cs.LG q-fin.ST
Variation-Incentive Loss Re-weighting for Regression Analysis on Biased Data
University of Warwick(华威大学);South China University of Technology(华南理工大学)
分类和回归任务都容易受到训练数据的有偏分布的影响。然而,现有的方法都集中在类不平衡学习,不能适用于学习目标是连续值而不是离散标签的数值回归问题。在本文中,我们的目标是通过解决模型训练过程中的数据偏度/偏差来提高回归分析的准确性。我们首先引入了两个度量,唯一性和异常性,以反映本地化数据分布的角度来看,他们的特点(即,输入)空间和目标(即,输出)空间。结合这两个指标,我们提出了一个变化激励损失重新加权方法(VILoss),以优化基于梯度下降的模型训练回归分析。我们对合成和真实世界的数据集进行了全面的实验。结果表明,当使用VILoss作为训练中的损失标准时,模型质量得到了显着改善(误差减少高达11.9%)。
2021-09-14 cs.LG
An Upper Bound of the Bias of Nadaraya-Watson Kernel Regression under Lipschitz Assumptions
Technische Universität Darmstadt(达姆施塔特工业大学);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
Nadaraya-Watson核估计是最流行的非参数回归技术之一,这要归功于它的简单性。Rosenblatt在1969年研究了它的渐近偏差,并在许多相关文献中报道。然而,Rosenblatt的分析仅对无穷小带宽有效。相比之下,我们在本文中提出了一个上限的偏见,持有有限的带宽。此外,相反的经典分析,我们允许不连续的一阶导数的回归函数,我们扩展我们的边界的多维域,我们包括知识的界的回归函数时,它存在,如果它是已知的,以获得更严格的限制。我们相信,这项工作在那些需要对误差进行一些硬保证的领域中具有潜在的应用价值
2020-01-30 cs.LG stat.ML
Supervised feature selection with orthogonal regression and feature weighting
有效的特征可以提高模型的性能,从而帮助我们理解复杂数据的特征和底层结构。以往的特征选择方法通常不能保留更多的局部结构信息。为了解决上述缺陷,我们提出了一种新的监督正交最小二乘回归模型与特征加权特征选择。目标函数的优化问题可以通过广义幂迭代(GPI)和增广拉格朗日乘子(ALM)方法求解。实验结果表明,与传统的特征选择方法相比,该方法能更有效地降低特征维数,获得更好的分类结果。证明了该迭代法的收敛性。理论和实验验证了该方法的有效性和优越性。
2019-10-09 cs.LG stat.ML
Feature Selection for Ridge Regression with Provable Guarantees
Paypal Inc.(贝宝公司);Rensselaer Polytechnic Institute(伦斯勒理工学院)
我们引入单集光谱稀疏作为一个确定性的采样为基础的特征选择技术的正则化最小二乘分类,这是分类模拟岭回归。该方法是无监督的,并给出了最坏情况下的分类功能的泛化能力的保证后,相对于使用所有功能获得的分类功能的特征选择。我们还介绍了无监督的随机特征选择方法的岭回归的评分抽样。我们提供了风险界单集频谱稀疏和采样分数采样岭回归在固定的设计设置,并表明,在采样空间的风险是可比的全功能空间的风险。我们在合成和真实世界的数据集上进行实验,即TechTC-300数据集的一个子集,以支持我们的理论。实验结果表明,该方法的性能优于现有的特征选择方法。
2015-12-05 cs.IT cs.LG math.IT
Fast Bayesian Feature Selection for High Dimensional Linear Regression in Genomics via the Ising Approximation
Boston University(波士顿大学)
识别与预测响应相关的变量子集的特征选择是统计学和机器学习中许多方法的重要且具有挑战性的组成部分。当变量的数量接近或超过样本的数量时,特征选择特别困难且计算密集,这通常是许多基因组数据集的情况。在这里,我们介绍了一种新的方法-贝叶斯伊辛近似(BIA)-快速计算后验概率的特征相关性L2惩罚线性回归。在该制度的回归问题是强正规化的先验,我们表明,计算边际后验概率的功能是等价于计算的伊辛模型的磁化。使用平均场近似,我们表明,它是可以快速计算的后验概率作为L2惩罚的函数所描述的特征选择路径。我们目前的模拟和分析结果说明了一些简单的回归问题的BIA的准确性。最后,我们通过分析具有近30,000个特征的基因表达数据集,证明了BIA对高维回归的适用性。
2014-07-30 cs.LG q-bio.QM stat.ML
Bandwidth selection for nonparametric modal regression
在核密度估计的基础上估计局部模式的条件密度的背景下,我们表明,现有的核密度估计开发的带宽选择方法是不适合模式估计。我们提出了两种方法来选择适合于回归设置中的模式估计的带宽。使用合成数据和现实生活中的数据集进行了数值研究,以证明所提出的方法的性能相比,几个良好的接收带宽选择方法的密度估计。
2017-11-01 stat.CO stat.ME
Better Private Linear Regression Through Better Private Feature Selection
Google(谷歌)
针对高维场景下差分隐私线性回归依赖用户调参且效用下降的问题,提出基于 Kendall 秩相关的隐私特征选择方法,并通过理论保证与 25 个数据集实验证明其可低成本扩展即插即用算法。
2023-06-01 cs.CR cs.LG
Fair Regression under Sample Selection Bias
University of Arkansas(阿肯色大学);University of Illinois(伊利诺伊大学)
近年来,公平回归的研究主要集中在发展新的公平概念和近似方法,因为目标变量甚至敏感属性在回归设置中是连续的。然而,所有以前的公平回归研究假设训练数据和测试数据是从相同的分布。由于训练数据和测试数据之间的样本选择偏差,这一假设在现实世界中经常被违反。在本文中,我们开发了一个框架下的样本选择偏差的公平回归时,从训练数据的一组样本的因变量值丢失作为另一个隐藏的过程的结果。我们的框架采用了经典的Heckman模型的偏差校正和拉格朗日对偶,以实现公平的回归的基础上,各种公平的概念。Heckman模型描述了样本选择过程,并使用称为逆米尔斯比(IMR)的衍生变量来校正样本选择偏差。我们使用公平不等式和等式约束来描述各种公平概念,并应用拉格朗日对偶理论将原问题转化为对偶凸优化问题。对于两个流行的公平性概念,平均差和均方误差差,我们推导出明确的公式,无需迭代优化,和皮尔逊相关,我们推导出它的条件,实现强对偶。我们在三个真实世界的数据集上进行了实验,实验结果证明了该方法在效用和公平性指标方面的有效性。
2021-10-08 cs.AI cs.CY cs.LG
Exact Post-Selection Inference for Sequential Regression Procedures
我们提出了新的推理工具,向前逐步回归,最小角度回归,和套索。假设一个高斯模型的观察向量y,我们首先描述了一个一般的计划,以执行有效的推理后,任何选择事件,可以被描述为y落入一个多面体集。这个框架允许我们在前向逐步回归或最小角度回归的任何一步,或者沿着套索正则化路径的任何一步推导出条件(后选择)假设检验,因为事实证明,这些过程的选择事件可以表示为y上的多面体约束。在有限样本中,与这些检验相关的p值在零分布下完全均匀,得到精确的第一类错误控制。检验也可以反向以产生适当的潜在回归参数的置信区间。R包“selectiveInference”在CRAN库中免费提供,实现了本文中描述的新推理工具。
2015-10-11 stat.ME
Improving Sample and Feature Selection with Principal Covariates Regression
École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);University of Cambridge(剑桥大学)
在自动化数据分析的背景下,从大量候选者中选择最相关的特征和样本是一项经常发生的任务,在自动化数据分析中,它可以用于提高模型的计算性能,并且通常还可以提高模型的可移植性。在这里,我们专注于两个流行的子选择方案已被应用到这一目的:CUR分解,这是基于一个低秩近似的特征矩阵和法拉第点采样,这依赖于迭代识别的最多样化的样本和鉴别功能。我们修改这些无监督的方法,将监督组件遵循相同的精神作为主协变量回归(PCovR)方法。我们表明,将目标信息提供的选择,在监督任务中表现更好,我们证明与岭回归,核岭回归和稀疏核回归。我们还表明,结合简单的监督学习模型的各个方面可以提高更复杂模型的准确性,例如前馈神经网络。我们提出的调整,以尽量减少影响,任何子选择时,执行无监督的任务可能会产生。我们证明了与使用PCov-CUR和PCov-FPS选择化学和材料科学的应用程序,通常减少了两个因素的功能和样本的数量,需要达到给定的回归精度水平的显着改善。
2020-12-22 cs.LG physics.chem-ph
Generalized Ridge Regression: Biased Estimation for Multiple Linear Regression Models
本文针对多元线性回归中回归变量非正交导致普通最小二乘估计不佳的问题,系统研究了广义岭回归的估计、均方误差、拟合优度及自助法推断。
2024-07-02 stat.ME
Efficient implementation of median bias reduction with applications to general regression models
在许多常规统计模型中,中位数偏倚减少(Kenne Pagui等人,2017年)已被证明是一个值得注意的改进超过极大似然,替代平均偏差减少。该估计量作为修正的评分方程的解获得,确保比极大似然估计量更小的渐近中位偏差。本文给出了一般正则模式平差项的简化代数形式。与新的公式,估计过程中受益于一个相当大的计算增益,避免了多次求和,从而允许一个有效的实施。更重要的是,新公式允许强调如何通过向平均偏倚减少调整添加额外项来获得中位偏倚减少调整。通过新的应用程序的中位数偏差减少两个回归模型不属于广义线性模型类,扩展的β回归和β-二项式回归的说明。这里还为后一个模型提供了平均偏倚减少。模拟研究表明,中位偏倚缩减估计量的分量中位居中性显著,相关置信区间的变异性和覆盖率与均值偏倚缩减估计量相当。对β-二项模型的实证结果表明,该方法是成功的解决极大似然边界估计问题。
2020-11-30 stat.ME
Feature Selection and Dualities in Maximum Entropy Discrimination
MIT Media Lab(麻省理工学院媒体实验室);MIT AI Lab(麻省理工学院人工智能实验室);Massachusetts Institute of Technology(麻省理工学院)
将特征选择简化为分类或回归方法通常具有许多优点。在本文中,我们正式特征选择,特别是从提高分类/回归精度的判别角度。特征选择方法是最近提出的最大熵判别(MED)框架的扩展。我们将MED描述为一种灵活的(贝叶斯)正则化方法,包括,例如,支持向量分类、回归和指数族模型。为了简洁起见,我们主要限制自己的线性分类/回归方法的背景下,特征选择,并证明所提出的方法确实进行了实质性的改进,在实践中。此外,我们讨论和开发各种扩展的特征选择,包括处理的问题与具体的例子,但未观察到的自由度-路线或不变。
2013-01-16 cs.LG stat.ML
On Feature Selection Using Anisotropic General Regression Neural Network
University of Lausanne - Faculty of Geosciences and Environment(洛桑大学地球科学与环境学院);Scientific Computing and Research Support Unit Computer Center UNIL(洛桑大学计算机中心科学计算与研究支持单元)
输入数据集中不相关特征的存在往往会降低机器学习模型的可解释性和预测质量。因此,开发识别不相关特征的特征选择方法是机器学习中的一个重要课题。在这里,我们展示了如何使用具有各向异性高斯核的一般回归神经网络来执行特征选择。利用模拟数据进行了大量的数值实验,以研究所提出的方法的鲁棒性及其对样本量的敏感性。最后,与其他四种特征选择方法进行了比较,在几个真实世界的数据集。
2020-10-12 cs.AI cs.LG stat.ML
A Mathematical Programming Approach for Integrated Multiple Linear Regression Subset Selection and Validation
多元线性回归的子集选择旨在通过选择少量解释变量来构建误差最小的回归模型。一旦建立了模型,就会进行各种统计测试和诊断,以验证模型并确定是否符合回归假设。大多数传统方法在这一步需要人为决策。例如,用户添加或删除变量,直到获得满意的模型。然而,这种试错策略不能保证一个子集,最大限度地减少了错误,同时满足所有的回归assumptions.In本文中,我们提出了一个完全自动化的多个线性回归子集的选择,集成模型的建立和验证数学规划的基础上的模型建设过程。该模型最大限度地减少了均方误差,同时确保大多数重要的回归假设得到满足。我们还提出了一个有效的约束来近似系数t检验的约束。当没有子集满足所有考虑的回归假设时,我们的模型提供了一个替代子集,满足大多数假设。计算结果表明,我们的模型产生更好的解决方案(即,满足更多的回归假设),同时保持类似的解释能力。
2020-07-26 stat.ML
On a length-biased Birnbaum-Saunders regression model applied to meteorological data
长度偏置的Birnbaum-Saunders分布在环境科学中是有用的和实用的。本文首先给出了长度有偏Birnbaum-Saunders分布的一些新性质,证明了它的参数之一是众数,并且它是双峰分布。然后,我们介绍了一个新的回归模型的基础上,这种分布。我们实现了用极大似然法进行参数估计,逼近区间估计,并考虑了三种类型的残差。详细的蒙特卡罗研究进行了评估的性能的似然为基础的估计,置信区间和经验分布的残差。最后,我们用一个真实的气象数据集说明了所提出的回归模型。
2020-12-27 stat.ME
A bias-adjusted estimator in quantile regression for clustered data
该手稿讨论了如何将随机效应纳入聚类数据的分位数回归模型,重点是具有许多但较小聚类的设置。本文有三个贡献:(i)证明现有方法可能导致固定效应参数的严重偏倚估计;(ii)提出一种新的两步估计方法,其中首先通过伪似然方法计算随机效应的预测(LQMM方法)},然后用作标准分位数回归中的偏移;(iii)提出了一种新的Bootstrap抽样方法,以减小两步估计量的偏差并计算置信区间。建议的估计和相关的推理进行了评估,通过严格的模拟研究和应用到艾滋病临床试验组(ACTG)的研究。
2022-02-23 stat.ME
Main and Interaction Effects Selection for Quadratic Discriminant Analysis via Penalized Linear Regression
判别分析是一种有效的分类方法。在高维环境下,判别分析的变量选择变得越来越重要。本文研究二次判别分析中主效应和互作效应选择的二元类问题。提出了一种新的惩罚二次判别分析(QDA)用于二元分类的变量选择。在相关变量的稀疏性假设下,我们进行了惩罚线性回归,通过插入模型中的主效应和交互效应来获得稀疏QDA。然后利用复合绝对罚函数(CAP)将QDA问题转化为惩罚稀疏最小二乘优化问题。提出了一种求解凸惩罚最小二乘问题的坐标下降算法.惩罚线性回归可同时选择主效应和交互效应,并进行分类。与现有的QDA变量选择方法相比,大量的仿真研究和两个实际数据分析表明,本文提出的方法在变量选择和分类性能上具有良好的鲁棒性。
2017-02-15 stat.ME
Best subset selection in linear regression via bi-objective mixed integer linear programming
研究了在给定n个观测值的线性回归中p个特征的最佳子集的选择问题。这个问题自然包含两个目标函数,包括最小化偏差量和最小化预测因子的数量。现有的方法将问题转化为一个单目标优化问题。我们解释了现有方法的主要弱点,并克服其缺点,我们提出了一个双目标混合整数线性规划方法。计算研究表明,所提出的方法的有效性。
2018-04-21 stat.ME
Bias-Aware Inference in Regularized Regression Models
University of Southern California(南加州大学);Princeton University(普林斯顿大学);Brown University(布朗大学)
本文研究控制系数受约束时标量回归系数的推断问题,提出基于正则化倾向得分回归的偏差感知估计量和置信区间,证明其在有限样本中近最优,并给出高维渐近下的最优收敛速率。
2026-10-22 econ.EM stat.ME
Penalized regression with multiple loss functions and selection by vote
本文考虑高维数据场景中的线性模型。我们提出了一个过程,使用多个损失函数来选择相关的预测和参数估计,并研究其渐近性质。变量选择是通过一个名为“投票”的过程进行的,该过程汇总了惩罚损失函数的结果。使用多个目标函数分别简化算法,并允许并行计算,这是方便和快速的。作为一个特殊的例子,我们考虑一个分位数回归模型,它最佳地结合了多个分位数水平。我们证明了所得到的参数向量的估计是渐近有效的。仿真和数据应用证实了我们的方法的三个主要优点:(a)降低变量选择的错误发现率;(b)提高参数估计的质量;(c)提高计算效率。
2020-06-29 stat.ME
Improved estimators in beta prime regression models
本文研究了最近由\cite{bour18}提出的β素数回归模型,该模型适用于响应连续且仅限于正实数且具有偏尾和长尾的情形,且回归结构包含回归变量和未知参数.我们考虑两种不同的策略的偏差校正的最大似然估计的参数,指数模型。特别是,我们讨论了模型的均值和离散参数的偏差校正估计。此外,作为替代的两个分析偏差校正估计讨论,我们考虑的偏差校正机制的基础上的参数自助。数值结果表明,偏差校正方案产生接近无偏估计。给出了一个实际数据的例子并进行了讨论。
2020-08-26 stat.ME
Median bias reduction in random-effects meta-analysis and meta-regression
在荟萃分析中,随机效应模型常用于综合不同研究的信息。虽然基于似然性的推理在限制属性和实施方面都很有吸引力,但其在随机效应荟萃分析中的应用可能会导致误导性结论,特别是当研究数量较少时。目前的文件显示,如何减少渐近偏差的极大似然估计的方差分量的方法,也可以大大提高推断的平均效应大小。这些结果是针对随机效应荟萃回归的更一般框架得出的,该框架允许平均效应大小随研究特定协变量而变化。
2018-05-23 stat.AP stat.ME
Post-selection inference on high-dimensional varying-coefficient quantile regression model
分位数回归已成功地用于研究异质性和重尾数据。变系数模型经常用于捕捉输入变量对响应的影响随指数或时间的变化。在这项工作中,我们研究了高维变系数分位数回归模型,并开发了新的统计推断工具。我们专注于开发有效的置信区间和诚实的测试,在一个固定的时间点和分位数的非参数系数,同时允许输入变量的数量超过样本量的高维设置。由于在估计中使用了模型选择技术,因此在该方案中进行统计推断具有挑战性。然而,我们可以开发有效的推理工具,适用于广泛的数据生成过程,并不遭受由模型选择引入的偏见。我们进行了数值模拟,以证明我们的方法的有限样本性能,我们也说明了一个实际数据的例子的应用。
2021-10-14 stat.ME
Scale estimation and data-driven tuning constant selection for M-quantile regression
M-分位数回归是分位数类回归的一种一般形式,它通常利用Huber影响函数和相应的调节常数。估计需要一个滋扰尺度参数,以确保M-分位数估计尺度不变,与以前提出的几个尺度估计。在本文中,我们评估这些规模估计,并评估其适用性,以及提出了一个新的规模估计的矩量法的基础上。此外,我们提出了两种方法来估计数据驱动的调整常数选择M-分位数回归。通过i)最小化回归参数的估计渐近方差和ii)利用逆M分位数函数来减少离群观测值的影响来获得调谐常数。我们调查是否数据驱动的调整常数,而不是通常的固定常数,例如,在c=1.345,可以提高M-分位数回归参数的估计的效率。使用基于模型的模拟在不同的情况下,数据驱动的调谐常数的性能进行了研究。最后,我们说明了所提出的方法,使用欧盟统计收入和生活条件的数据集。
2020-11-20 stat.ME
Variable selection in convex quantile regression: L1-norm or L0-norm regularization?
维数灾难是非参数估计中公认的挑战。本文提出了一种新的L0-范数正则化方法,用于凸分位数和期望回归的子集变量选择。我们展示了如何使用混合整数规划来解决实践中提出的L0范数正则化方法,并建立了一个链接到常用的L1范数正则化方法。利用蒙特卡罗方法比较了L0-惩罚凸分位数和期望回归方法与L1-范数正则化方法在有限样本下的性能。该方法进一步应用于衡量OECD国家的可持续发展绩效,并实证分析了变量降维的准确性。仿真和应用结果表明,在多维空间中,L0范数正则化方法比L1范数正则化方法能更有效地解决维数灾难问题.
2021-07-07 stat.AP stat.ME
Model selection in logistic regression
本文研究了逻辑斯谛回归中的模型选择问题。将Birgé和Massart(2001)提出的模型选择原则推广到逻辑斯谛回归模型。这种选择是通过使用惩罚最大似然标准来完成的。在这种情况下,我们提出了一个完全数据驱动的标准的基础上的斜率几何学。我们证明了非渐近预言不等式的选择估计。通过仿真研究说明了理论结果。
2015-08-30 math.ST stat.TH
Consistent covariate selection and post model selection inference in semiparametric regression
本文给出了一类半参数回归模型Y_i=β^{ \prime } \underbarX_i +f(T_i)+W_i,i=1,.,n.参数和非参数分量的估计,同时通过这个程序。估计是基于有限维模型的集合,使用惩罚最小二乘标准进行选择。我们表明,通过定制的惩罚项开发的非参数回归半参数模型,我们可以一致地估计的线性部分的非零系数的子集。此外,线性分量的所选估计量是渐近正态的。
2004-06-23 math.ST stat.TH
Bayesian model selection for linear regression
在这篇笔记中,我们介绍了线性回归与基函数,以应用贝叶斯模型选择。我们的目标是结合贝叶斯分析提供的奥卡姆剃刀,以便自动选择能够最佳地解释数据而不过度拟合的模型。
2015-12-15 math.ST stat.ME stat.TH
The bias of isotonic regression
研究保序回归估计量的有偏性。虽然有大量的工作表征保序回归估计的均方误差,相对较少的是已知的偏差。在本文中,我们提供了一个尖锐的特征,证明了偏差的规模为$O(n^{-β/3})$的对数因子,其中$1 \leq β\leq 2$是指数对应的H{<$}lder平滑的基础上的平均值。重要的是,这个结果只需要一个严格的单调均值,并且噪声分布具有次指数尾部,而不依赖于对称噪声或其他限制性假设。
2020-01-13 math.ST stat.TH
Hierarchical selection of variables in sparse high-dimensional regression
我们研究了一个具有大量相互作用变量的回归模型。我们考虑在两个假设下回归函数的特定近似:(i)在建议的基中存在回归函数的稀疏表示,(ii)在相应的主效应集之外没有相互作用。我们建议一个分层随机搜索程序的选择变量和它们的相互作用。我们表明,给定初始估计量,可以找到具有类似预测损失但具有较少非零坐标数量的估计量。
2008-01-08 math.ST stat.TH
Variable selection in multiple regression with random design
本文提出了一种随机变量多元回归中变量选择的方法。这种方法是基于一个标准,允许减少变量选择问题的问题,估计合适的排列和维数。然后,估计这些参数的建议和选择变量的方法是一致的。仿真研究,允许获得所提出的方法的性能的理解,并将其与现有的方法进行比较。
2015-06-26 math.ST stat.TH
Kernel Selection in Nonparametric Regression
在回归模型$Y = b(X) +σ(X)\varepsilon$中,其中$X$具有密度$f$,本文讨论了$bf$估计的预言不等式,涉及Lerasle等人(2016)意义下的核,通过PCO方法选择。除了Lacour,Massart和Rivoirard(2017)以及Comte和Marie(2020)中已经研究的基于核的估计量的带宽选择之外,还涵盖了$f$和$bf$的各向异性投影估计量的维度选择。
2021-03-20 math.ST stat.TH