CR-Lasso：稳健的元胞级正则化稀疏回归
统计方法学
2024-03-04 v2 统计计算
摘要
元胞级污染对数据科学家而言仍是一个棘手问题，尤其在需要稀疏特征选择的研究领域。传统稳健方法在处理此类受污染数据集时可能不可行或效率低下。我们提出 CR-Lasso，一种稳健的 Lasso 型元胞级正则化方法，通过在存在元胞级离群点的情形下同时最小化回归损失与元胞偏差度量来进行特征选择。为评估该方法，我们开展了实证研究，将其选择性能与预测性能与若干稀疏回归方法进行比较。我们表明在所考虑的设置下 CR-Lasso 具有竞争力。我们通过骨密度数据集的分析在真实数据上说明了所提方法的有效性。
引用
@article{arxiv.2307.05234,
title = {CR-Lasso: Robust cellwise regularized sparse regression},
author = {Peng Su and Garth Tarr and Samuel Muller and Suojin Wang},
journal= {arXiv preprint arXiv:2307.05234},
year = {2024}
}