为避免弹性网在分组效应上的不足,文章通过改进广义岭惩罚,提出了一种依据变量间的相关性赋予参数相同的Lasso惩罚和不同的岭惩罚,且还能解决弹性网未利用变量的外在信息去估计参数不足的正则化法,即自适应岭网.同时,基于Logistic回归的参数估计问题,给出了自适应岭网的数值解,以及诸如贝叶斯先验,大样本性质和非分组效应的特性.模拟和实例研究表明,所提估计方法的性能高于或等同于弹性网及其现有的一些改进法,是一种高效的正则化法.
科研之友
微信
新浪微博
Facebook
分享链接
