高维数据下逆协方差矩阵的岭估计
统计方法学
2016-06-17 v3
摘要
我们在变量数目相对于样本量较大的高维背景下研究精度矩阵的岭估计。我们首先回顾了两种原型岭估计量，并注意到它们所使用的惩罚项与常见的岭惩罚项并不一致。随后，从常见的岭惩罚项出发，我们推导出了两种替代的精度矩阵岭估计量的解析表达式。我们将这些替代估计量与原型估计量在特征值收缩和风险方面进行了比较。在图形建模的背景下，还将替代估计量与图形套索（graphical lasso）进行了比较。这些比较可能为偏好所提出的替代估计量提供理由。
引用
@article{arxiv.1403.0904,
title = {Ridge Estimation of Inverse Covariance Matrices from High-Dimensional Data},
author = {Wessel N. van Wieringen and Carel F. W. Peeters},
journal= {arXiv preprint arXiv:1403.0904},
year = {2016}
}