逆协方差矩阵惩罚似然估计的调谐参数选择
统计方法学
2009-09-07 v1 机器学习
摘要
在高斯图模型中，两个变量之间的条件独立性由逆协方差矩阵中相应的零元素刻画。文献中已提出了使用平滑剪切绝对偏差（SCAD）惩罚（Fan and Li, 2001）和自适应LASSO惩罚（Zou, 2006）的最大似然方法。在本文中，我们建立了如下结果：使用贝叶斯信息准则（BIC）来选择两种惩罚类型下的惩罚似然估计中的调谐参数，可以导致一致的图模型选择。我们通过模拟研究比较了BIC与交叉验证方法的经验表现，并展示了BIC准则在调谐参数选择方面的优越性能。
引用
@article{arxiv.0909.0934,
title = {Tuning parameter selection for penalized likelihood estimation of inverse covariance matrix},
author = {Xin Gao and Daniel Q. Pu and Yuehua Wu and Hong Xu},
journal= {arXiv preprint arXiv:0909.0934},
year = {2009}
}