针对网络对齐信号与相关性设计的最小二乘回归的广义弹性网
统计方法学
2025-10-07 v2 统计理论
统计理论
摘要
我们提出一种新颖的 惩罚项，称之为广义弹性网（Generalized Elastic Net），用于特征向量由给定图顶点索引、且真实信号被认为相对于该图平滑或分段恒定的回归问题。在相关高斯设计（correlated Gaussian design）的假设下，我们推导了预测误差和估计误差的上界，其上界依赖于图，并由回归向量未惩罚部分的参数化速率和另一依赖于我们网络对齐假设的术语组成。我们还提供了一种基于拉格朗日对偶目标的坐标下降过程，以在大规模问题上计算该估计量。最后，我们在若干真实和合成数据集上将所提估计量与现有正则化估计量进行比较，并讨论其潜在局限性。
引用
@article{arxiv.2211.00292,
title = {The Generalized Elastic Net for least squares regression with network-aligned signal and correlated design},
author = {Huy Tran and Sansen Wei and Claire Donnat},
journal= {arXiv preprint arXiv:2211.00292},
year = {2025}
}