通过 Lasso 实现高维 Cox 回归的非渐近 Oracle 不等式
统计理论
2012-04-11 v1 机器学习
统计理论
摘要
我们考虑通过 lasso 正则化的高维 Cox 回归的有限样本性质。现有文献集中于线性模型或具有 Lipschitz 损失函数的广义线性模型，其中经验风险函数是独立同分布 (iid) 损失的和。然而，针对删失生存数据的负对数偏似然函数中的各项既非 iid 也非 Lipschitz。我们首先用 iid 非 Lipschitz 项之和来近似负对数偏似然函数，然后利用逐点论证推导 lasso 惩罚 Cox 回归的非渐近 oracle 不等式，以解决缺乏 iid 和 Lipschitz 性质所带来的困难。
引用
@article{arxiv.1204.1992,
title = {Non-asymptotic Oracle Inequalities for the High-Dimensional Cox Regression via Lasso},
author = {Shengchun Kong and Bin Nan},
journal= {arXiv preprint arXiv:1204.1992},
year = {2012}
}
备注
18 pages