通过排他性Lasso实现组内变量选择
统计方法学
2015-05-29 v1
摘要
许多数据集由具有内在组结构的变量组成。组选择问题已被充分研究，但本文旨在反其道而行之：我们的目标是在预测回归建模背景下从每组中至少选择一个变量。该问题是NP难的，但我们研究了最紧凸松弛：一种由 和 范数组合而成的复合惩罚项。我们所谓的排他性Lasso方法通过确保从每组中至少选出一个变量来进行结构化变量选择。我们研究了该方法的统计性质，并开发了计算可扩展的算法来拟合排他性Lasso。我们通过模拟以及使用NMR光谱数据研究了方法的有效性。在此，我们利用排他性Lasso从生物样本中每个分子的可能化学位移字典中选择合适的化学位移。
引用
@article{arxiv.1505.07517,
title = {Within Group Variable Selection through the Exclusive Lasso},
author = {Frederick Campbell and Genevera I. Allen},
journal= {arXiv preprint arXiv:1505.07517},
year = {2015}
}