基于广义SELO惩罚的高维变量选择（英文）

作者：石跃勇; 曹永秀; 余吉昌; 焦雨领^*

来源：数学杂志, 2018, 38(06): 990-998.

DOI：10.13548/j.sxzz.20171231.001

• 连续化策略
• 坐标下降
• 高维BIC
• 局部线性逼近
• 惩罚最小二乘

本文考虑高维线性模型中的变量选择和参数估计.提出了一种广义的SELO方法求解惩罚最小二乘问题.一种坐标下降算法结合调节参数的一种连续化策略和高维BIC被用来计算相应的GSELO-PLS估计.模拟研究和实际数据分析显示了提出方法的良好表现.

• 单位
  中国地质大学(武汉)经济管理学院; 数学学院; 中南财经政法大学; 中国地质大学（武汉）