论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择

VIP专享 2020-05-15 13:01:45 471KB PDF
13
收藏 收藏
举报

高斯混合模型的传统估计对重尾误差很敏感。 因此,通过假设误差项遵循拉普拉斯分布,我们提出了鲁棒的混合回归模型。 对于新的鲁棒混合回归模型中的变量选择问题,我们引入了自适应稀疏组Lasso罚分以在组级别和组内级别实现稀疏性。 如数值实验所示,与其他替代方法相比,我们的方法在变量选择和参数估计方面具有更好的性能。 最后,我们运用我们提出的方法来分析2018年至2019年期间的NBA薪资数据。

...展开详情
试读 17P 论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择
立即下载 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择 (VIP专享) VIP下载
1/17
论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择第1页
论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择第2页
论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择第3页
论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择第4页

试读结束, 可继续读2页

(VIP专享) VIP下载