科研之友
微信
新浪微博
Facebook
分享链接
摘要
关于时间序列模型系数估计和定阶问题，前人研究出了对于模型估计有最小二乘估计，逐步回归方法、定阶方法、遗传算法等。但是，这些算法有很多共同缺点，如当变量集较大时，估计误差较大，计算时间较长，不稳定等。为解决以上这些问题，1996年Tibshirani提出了Lasso方法，将模型参数合理地压缩。本研究将Lasso方法应用到BLUED数据集的六组数据上，通过与最小二乘估计进行比较，说明Lasso方法在选择数据时能够应用较少的时间选择出重要的变量特征，同时在分类精度上还能高于最小二乘方法。由此证明Lasso在时间序列建模问题上是一个简单有效的方法。
-
单位晋城职业技术学院
