用于稀疏破坏与含缺失协变量模型选择的 Robust Lasso-Zero
应用统计
2022-03-24 v2 统计方法学
机器学习
摘要
我们提出了 Robust Lasso-Zero，它是最初为稀疏线性模型引入的 Lasso-Zero 方法向稀疏破坏问题的扩展。我们针对该估计量的一个稍作简化的版本（称为 Thresholded Justice Pursuit）给出了参数符号恢复的理论保证。我们展示了 Robust Lasso-Zero 在具有缺失协变量值情况下的变量选择应用。该方法除了不需要为协变量指定模型，也不需要估计其协方差矩阵或噪声方差外，还具有无需指定参数化模型即可处理非随机缺失值的巨大优势。数值实验和一项医学应用突显了 Robust Lasso-Zero 在此类背景下的相关性，而该背景下可用的竞争方法很少。该方法易于使用，并在 R 库 lass0 中实现。
引用
@article{arxiv.2005.05628,
title = {Robust Lasso-Zero for sparse corruption and model selection with missing covariates},
author = {Pascaline Descloux and Claire Boyer and Julie Josse and Aude Sportisse and Sylvain Sardy},
journal= {arXiv preprint arXiv:2005.05628},
year = {2022}
}