基于层次特征回归的簇正则化

本文提出一种新颖的基于图的正则化回归估计量——层次特征回归（HFR）——其调动机器学习与图论领域的见解，为线性回归估计稳健参数。该估计量构建有监督特征图，沿其边分解参数，先调整共同变异，再逐步将特异模式纳入拟合过程。图结构具有将参数向组目标收缩的效果，收缩程度由超参数控制，且组构成与收缩目标均为内源性确定。与一系列常用正则化技术相比，该方法在经验和模拟回归任务中展现出良好的预测精度与通用性，并为数据中潜在效应结构的视觉探索提供了丰富资源。