文献

J-GLOBAL ID：202202275841392959   整理番号：22A0900984

l_0正則化高次元加速故障時間モデル【JST・京大機械翻訳】

l ₀-Regularized high-dimensional accelerated failure time model

著者 (5件)： Cheng Chao (School of Statistics and Management, Shanghai University of Finance and Economics, Shanghai 200433, China) ,  Feng Xingdong (School of Statistics and Management, Shanghai University of Finance and Economics, Shanghai 200433, China) ,  Huang Jian (Department of Statistics and Actuarial Science, University of Iowa, Iowa City, IA 52242, USA) ,  Jiao Yuling (School of Mathematics and Statistics, Wuhan University, Wuhan 430000, China) ,  Zhang Shuang (Guotai Junan Securities Asset Management Co., Ltd., Shanghai 200040, China)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 170  ページ： Null  発行年： 2022年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  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： 高次元共変量を有するスパース加速故障時間(AFT)モデルにおけるl_0-ペナルティ推定のための建設的アプローチを開発した。提案した方式は,l_0-ペナルティと組み合わせたStuteの加重最小二乗基準に基づいている。この方法は,Karus-Kuhn-Tucker(KKT)条件に従って,一次および二重情報および根発見から得たアクティブセットに基づいて,反復的に一連の解を生成する計算アルゴリズムである。著者らは,AFT-SDAR(サポート検出と根発見のための)として提案した方法を参照する。著者らの理論的結果の重要な側面は,AFT-SDARアルゴリズムに基づいて生成された解のシーケンスに直接関係することである。著者らは,共変量行列が,高次元線形回帰の設定においてさえ,モデル同定のために必要かつ十分な穏やかな規則性条件を満足する限り,解シーケンスの推定誤差が,高い確率で結合した最適誤差に指数的に減衰することを証明した。また,AFT-SDARの適応バージョンを提案し,即ち,データ駆動方式での推定係数のサポートサイズを決定するAFT-ASDARである。シミュレーション研究は,精度と速度に関して,lassoとMCPに対して提案した方法の優れた性能を示した。また,提案方法の応用を,実際のデータセットを分析することによって説明した。Copyright 2022 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： アルゴリズム ,  最小二乗法 ,  シミュレーション ,  *故障 ,  統計解析 ,  規則度 ,  *モデル ,  *正則化 ,  *高次元 ,  ペナルティ
準シソーラス用語： 線形回帰 ,  推定誤差 ,  計算アルゴリズム ,  データ駆動 ,  共変量 ,  モデル同定 , 【Automatic Indexing@JST】

著者キーワード (5件)： 打ち切りデータ ,  l_0-罰化 ,  KKT条件 ,  主および双対情報 ,  サポート検出

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  統計学  (AB08000H)

タイトルに関連する用語 (5件)： 正則化 ,  高次元 ,  加速 ,  故障 ,  モデル