连续因变量的非线性变量选择：一种非参数增量前向逐步方法
机器学习
2018-05-29 v4
摘要
我们提出一种用于稀疏广义加性模型的变量选择方法。该方法不假设任何特定函数形式，并能从大量候选变量中进行选择。它采取增量前向逐步回归的形式。鉴于不假设函数形式，我们设计了一种称为粗化(roughening)的方法来在迭代中调整残差。在模拟中，我们表明新方法与流行的机器学习方法相比具有竞争力。我们还使用一些真实数据集展示了其性能。该方法作为 nlnet 包的一部分发布于 CRAN https://cran.r-project.org/package=nlnet。
引用
@article{arxiv.1601.05285,
title = {Nonlinear variable selection with continuous outcome: a nonparametric incremental forward stagewise approach},
author = {Tianwei Yu},
journal= {arXiv preprint arXiv:1601.05285},
year = {2018}
}