文献

J-GLOBAL ID：201802299615804021   整理番号：18A1800431

高次元部分線形モデルにおける二重ペナルティ回帰に対するRKHSに基づくアプローチ【JST・京大機械翻訳】

An RKHS-based approach to double-penalized regression in high-dimensional partially linear models

著者 (3件)： Cui Wenquan (Department of Statistics and Finance, School of Management, University of Science and Technology of China, China) ,  Cheng Haoyang (Department of Statistics and Finance, School of Management, University of Science and Technology of China, China) ,  Sun Jiajing (School of Economics and Management, University of the Chinese Academy of Sciences, China)
資料名： Journal of Multivariate Analysis  (Journal of Multivariate Analysis)
巻： 168  ページ： 201-210  発行年： 2018年 
JST資料番号： D0675A  ISSN： 0047-259X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 著者らは,非パラメトリック成分が再生カーネルHilbert空間(RKHS)からであるという仮定の下で,高次元部分線形モデルにおける同時変数選択と推定を研究して,パラメトリック成分のための回帰係数のベクトルがまばらであることを示した。二重ペナルティを用いて問題を処理した。非パラメトリック成分の推定は,RKHSに関する二乗セミノルムに基づく粗さペナルティに従い,オラクル特性を有するペナルティを用いて,パラメトリック成分におけるスパース性を達成した。規則性条件の下で,変数選択の一貫性と共にパラメトリック推定の収束の一貫性と速度を確立した。非ゼロ係数の提案した推定器も漸近オラクル特性を持つことを示した。シミュレーションと経験的研究はこの方法の性能を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ペナルティ ,  ノルム ,  Hilbert空間 ,  規則度 ,  *高次元 ,  ベクトル
準シソーラス用語： 高次元データ ,  スパース性 ,  オラクル ,  回帰係数 ,  変数選択 ,  *線形モデル , 【Automatic Indexing@JST】

著者キーワード (8件)： 固有解析 ,  高次元データ ,  オラクル特性 ,  部分線形モデル ,  抑制定理 ,  カーネルHilbert空間の再生 ,  Sacks-Ilvisaker条件 ,  SCAD(滑らかにクリップされた絶対偏差)ペナルティ

分類 (1件)： 統計学  (AB08000H)

タイトルに関連する用語 (3件)： 高次元 ,  線形モデル ,  ペナルティ