面向大 p 小 n 数据的惩罚正交分量回归
统计方法学
2013-04-18 v3 机器学习
摘要
我们提出了一种用于大 p 小 n 数据的惩罚正交分量回归（POCRE）。正交分量被顺序构造，以在标准化后最大化其与响应残差的相关性。提出了一种新的惩罚框架，通过经验贝叶斯阈值化实现，以有效识别每个分量的稀疏预测变量。由于顺序构造首要稀疏主成分，POCRE 具有很高的计算效率。此外，这种构造还提供了其他特性，例如对高度相关的预测变量进行分组，并允许共线或近似共线的预测变量。对于多元响应，POCRE 可以构造公共分量，从而为大 p 小 n 数据建立潜变量模型。
引用
@article{arxiv.0811.4167,
title = {Penalized Orthogonal-Components Regression for Large p Small n Data},
author = {Dabao Zhang and Yanzhu Lin and Min Zhang},
journal= {arXiv preprint arXiv:0811.4167},
year = {2013}
}
备注
12 pages