期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
大规模数据的L_(1)惩罚分位数回归方法研究--基于特征筛选和随机抽样方法
1
作者 蔡超 王康宁 《数理统计与管理》 CSSCI 北大核心 2022年第1期63-78,共16页
为解决大规模数据在进行回归分析时存在的计算内存不足和运行时间较长的问题,提出两个新的回归分析方法:先筛选后抽样的大规模数据L_(1)惩罚分位数回归方法(FSSLQR)和先抽样后筛选的大规模数据L_(1)惩罚分位数回归方法(SFSLQR),其数值... 为解决大规模数据在进行回归分析时存在的计算内存不足和运行时间较长的问题,提出两个新的回归分析方法:先筛选后抽样的大规模数据L_(1)惩罚分位数回归方法(FSSLQR)和先抽样后筛选的大规模数据L_(1)惩罚分位数回归方法(SFSLQR),其数值模拟和实际应用结果表明:FSSLQR和SFSLQR方法不仅能够显著降低计算内存和运行时间,而且其估计预测和变量选择的结果与全量L_(1)惩罚分位数回归基本一致。此外,与Xu等(2018)提出的大规模数据的L1惩罚分位数回归方法(SLQR)相比,FSSLQR和SFSLQR方法在估计预测、变量选择和运行时间等方面都更具优势。 展开更多
关键词 l_(1)惩罚分位数回归 大规模数据 特征筛选 随机抽样
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部