Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1204.3130v1

帮助 | 高级搜索

统计学 > 方法论

arXiv:1204.3130v1 (stat)
[提交于 2012年4月14日 (此版本) , 最新版本 2012年8月28日 (v2) ]

标题: 自适应桥回归建模与模型选择准则

标题: Adaptive bridge regression modeling with model selection criteria

Authors:Shuichi Kawano
摘要: 我们考虑构建自适应桥回归模型的问题,这是一种通过在桥惩罚项中对不同系数施加不同权重的惩罚过程。 建模过程中的一个关键问题是模型中包含的调整参数的选择。 我们将调整参数的选择视为模型选择和评估问题。 为了选择参数,从信息理论和贝叶斯方法中推导出模型选择准则。 我们进行了一些数值研究以探讨我们提出的建模策略的有效性。
摘要: We consider the problem of constructing an adaptive bridge regression modeling, which is a penalized procedure by imposing different weights to different coefficients in the bridge penalty term. A crucial issue in the modeling process is the choices of adjusted parameters included in the models. We treat the selection of the adjusted parameters as model selection and evaluation problems. In order to select the parameters, model selection criteria are derived from information-theoretic and Bayesian approach. We conduct some numerical studies to investigate the effectiveness of our proposed modeling strategy.
评论: 14页,4图
主题: 方法论 (stat.ME)
引用方式: arXiv:1204.3130 [stat.ME]
  (或者 arXiv:1204.3130v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.1204.3130
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Shuichi Kawano [查看电子邮件]
[v1] 星期六, 2012 年 4 月 14 日 02:08:26 UTC (375 KB)
[v2] 星期二, 2012 年 8 月 28 日 08:30:13 UTC (1 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2012-04
切换浏览方式为:
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号