|
|
|
|
خواص مجانبی برآوردهای انقباضی در مدل های رگرسیونی با استفاده از تابع تاوانیده با نرم l1
|
|
|
|
|
|
|
|
نویسنده
|
قریشی کامران
|
|
منبع
|
measure algebras and applications - 1402 - دوره : 1 - شماره : 1 - صفحه:97 -106
|
|
چکیده
|
در این مقاله، ابتدا یک مدل دوسطحی با ساختار خطی معرفی خواهیم کرد. از برآوردهای گشتاوری، ماکسیمم درست‌نمایی و sure، برای برآورد انقباضی پارامترهای مدل و برآورد پارامترهای مدل رگرسیونی استفاده خواهیم کرد. به دلیل اینکه مدل‌های رگرسیونی کاربرد فراوانی برای تحلیل داده‌های با ابعاد بزرگ دارند، لذا با فرض تُنک بودن بردار ضرایب مدل رگرسیونی، خواص مجانبی برآوردکننده‌های حاصل تحت تابع خطای l2 و تابع تاوانیده با نرم l1 بررسی خواهند شد.
|
|
کلیدواژه
|
مدل های سلسله مراتبی، برآوردهای انقباضی، مدل های رگرسیونی، داده‌های با ابعاد بزرگ
|
|
آدرس
|
دانشگاه قم, دانشکده علوم پایه, گروه آمار, ایران
|
|
پست الکترونیکی
|
atty_ghoreishi@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
shrinkage estimators’ properties in regression models using l1 penalized norm
|
|
|
|
|
Authors
|
ghoreishi kamran
|
|
Abstract
|
in this paper, we first introduce a two-level hierarchical model with a linear structure. we use the moment, maximum likelihood, and sure estimators to obtain the regression coefficients shrinkage estimators. since, regression models have vast applications in high-dimensional datasets, using sparsity assumption, we discuss the asymptotic properties of the regression estimators under l_2 error norm and l_1 penalty norm.
|
|
Keywords
|
hierarchical models ,shrinkage estimators ,regression models ,high-dimensional datasets
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|