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! |
|