高维广义线性模型与 Lasso
统计理论
2008-12-18 v1 统计理论
摘要
我们考虑具有 Lipschitz 损失函数的高维广义线性模型，并证明了带有 Lasso 惩罚的经验风险最小化器的非渐近神谕不等式。该惩罚基于线性预测器中的系数，在使用经验范数归一化之后。示例包括逻辑回归、密度估计和使用铰链损失的分类。还讨论了最小二乘回归。
引用
@article{arxiv.0804.0703,
title = {High-dimensional generalized linear models and the lasso},
author = {Sara A. van de Geer},
journal= {arXiv preprint arXiv:0804.0703},
year = {2008}
}
备注
Published in at http://dx.doi.org/10.1214/009053607000000929 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)