Wilcoxon型多元聚类弹性网络
统计方法学
2025-03-05 v2
摘要
我们提出了一种高维多元回归方法，该方法对重尾或含离群点的随机误差分布具有鲁棒性，同时在正态随机误差分布下保持估计精度。我们将Wilcoxon型回归扩展为多元回归模型，作为一种无需调参的鲁棒性方法。此外，所提方法基于k-means对聚类的L1与L2项进行正则化，该思路由多元聚类弹性网络扩展而来。回归系数估计与变量选择可同时完成。并且，通过聚类考虑响应变量间的相关性关系，有望提升估计性能。数值模拟表明，在重尾误差分布与离群点情形下，我们提出的方法优于多元聚类方法及其他多元回归方法，在正态误差分布下也表现出稳定性。最后，我们利用乳腺癌相关基因的数据实例验证了所提方法的有效性。
引用
@article{arxiv.2209.13354,
title = {Wilcoxon-type Multivariate Cluster Elastic Net},
author = {Mayu Hiraishi and Kensuke Tanioka and Hiroshi Yadohisa},
journal= {arXiv preprint arXiv:2209.13354},
year = {2025}
}
备注
This paper has been accepted in Neurocomputing Journal (Elsevier)