TIGER：一种用于最优估计高斯图模型的调参不敏感方法
统计方法学
2012-09-13 v1
摘要
我们提出了一种估计高维高斯图模型的新程序。该方法在渐近意义上无需调参，在非渐近意义上对调参不敏感：在有限样本设定下，选择调参参数所需的工作量极少。在计算上，由于其调参不敏感特性，我们的程序显著快于现有方法。在理论上，所获得的估计量在不同范数下同时达到精度矩阵估计的极小极大最优性。在实证方面，我们通过详尽的模拟和真实案例展示了本方法的优势。实现所提方法的 R 包 bigmatrix 可在综合 R 档案网络获取：http://cran.r-project.org/。
引用
@article{arxiv.1209.2437,
title = {TIGER: A Tuning-Insensitive Approach for Optimally Estimating Gaussian Graphical Models},
author = {Han Liu and Lie Wang},
journal= {arXiv preprint arXiv:1209.2437},
year = {2012}
}