超高维数据统计模型变量筛选方法 - 中国高校教材图书网
|
|
书名: |
超高维数据统计模型变量筛选方法
|
ISBN: | 978-7-5689-1728-5 |
条码: | |
作者: |
张俊英 张日权
相关图书
|
装订: | 0 |
印次: | 1-1 |
开本: | 16开 |
定价: |
¥49.00
折扣价:¥46.55
折扣:0.95
节省了2.45元
|
字数: |
100千字
|
出版社: |
重庆大学出版社 |
页数: |
97页
|
发行编号: | |
每包册数: |
|
出版日期: |
2019-09-18 |
|
内容简介: |
超高维数据广泛出现在生物医学、经济金融、保险精算、可靠性工程等领域。由于高维数据带来的“维数祸根”问题,传统的变量选择方法无法实现参数估计的精确性和模型预测的稳定性。本书主要研究了线性模型、分位数回归变系数模型、广义线性模型及非参数模型的变量筛选方法和Gini相关系数的变量筛选方法;阐述了相关性数字特征变量筛选方法的理论和方法,讨论了Pearson相关系数、秩相关系数和Gini相关系数的关系,建立了选择一致性理论。 本书可供统计应用工作者、科研人员及大学相关专业高年级研究生和教师阅读。
|
作者简介: |
|
章节目录: |
第1章绪论 1.1线性模型Pearson相关变量筛选方法 1.2非参数模型变量筛选方法 1.3变系数模型变量筛选方法 1.4秩相关筛选方法 第2章分位数回归变系数模型变量筛选 2.1引言 2.2非参分位数回归边际筛选 2.3理论性质 2.4选择变量的方法 2.5模拟研究 2.6实例分析 2.7定理证明 第3章超高维数据可加模型经验似然变量筛选 3.1引言 3.2边际经验似然方法 3.3条件重排迭代筛选方法 3.4数值研究 3.5定理证明 第4章顺序LASSO特征选择方法 4.1特征选择方法 4.2迭
|
精彩片段: |
|
书 评: |
|
其 它: |
|
|
|