文献

J-GLOBAL ID：202002224966355302   整理番号：20A0477114

ロジスティック回帰における収縮プライアの収縮特性【JST・京大機械翻訳】

Contraction properties of shrinkage priors in logistic regression

著者 (2件)： Wei Ran (North Carolina State University, United States of America) ,  Ghosal Subhashis (North Carolina State University, United States of America)
資料名： Journal of Statistical Planning and Inference  (Journal of Statistical Planning and Inference)
巻： 207  ページ： 215-229  発行年： 2020年 
JST資料番号： B0907B  ISSN： 0378-3758  CODEN： JSPIDN  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： Bayes収縮事前は,推定と変数選択における計算と精度におけるそれらの効率のため,最近多くの注目を受けた。本論文では,共変数が高いロジスティック回帰モデルにおける収縮事前の収縮特性を研究した。高い確率を持つ重い尾部と高い確率を有する収縮前分布に対して,Dirichlet-Laplace事前,およびハイパーパラメータの適切な選択による正規ガンマ,ロジスティック回帰係数の推定は,L2-センスにおける真のスパースベクトルの周りに漸近的に集中することを示した。提案した収縮速度は,Atchade(2017)で研究されている点質量と同程度であることを示した。ロジスティック回帰モデルの下でのシミュレーション研究は,推定,変数選択と予測のための点質量のように前とDirichlet-Laplaceの前に行われた理論結果を検証し,Bayesレーザと非有益な正規事前よりもはるかに良い結果を得た。Copyright 2020 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： レーザ ,  *ベクトル ,  シミュレーション
準シソーラス用語： ハイパーパラメータ ,  ロジスティック回帰モデル ,  変数選択 ,  *ロジスティック回帰分析 , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes変数選択 ,  連続収縮 ,  収縮率 ,  ロジスティック回帰 ,  ポイント質量事前

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： ロジスティック回帰 ,  収縮 ,  収縮特性