首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于贝叶斯学习的惩罚因子的选择
引用本文:焦瑞强,赵联文,刘赪,任桃红.基于贝叶斯学习的惩罚因子的选择[J].统计与决策,2017(14):10-14.
作者姓名:焦瑞强  赵联文  刘赪  任桃红
作者单位:西南交通大学数学学院,成都,610031
基金项目:中央高校基本科研业务费专项资金资助项目(SWJTU11CX155)
摘    要:文章基于贝叶斯学习,将正则化方法从贝叶斯分析的角度展开,在响应变量服从正态分布、回归系数服从指数型先验分布族的条件下,用贝叶斯准则给出了惩罚因子的取值与响应变量、系数的方差之间的关系,并将这一结果应用到岭回归和lasso回归中惩罚因子的选择.实例检验结果表明,当响应变量和系数服从正态分布,惩罚因子的值取二者方差商的方法比岭迹法和广义交叉验证法(GCV)拟合效果更优.

关 键 词:正则化方法  惩罚因子  贝叶斯准则  岭回归  lasso回归

Penalty Factors Selection Based on Bayesian Learning
Authors:Jiao Ruiqiang  Zhao Lianwen  Liu Cheng  Ren Taohong
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号