毕业论文-线性模型中的变量选择方法，共36页，8093字，附外文翻译
中文摘要
变量选择是线性回归等模型研究中的一个重要课题，在生物统计学等领域有
广泛的应用。将参数估计和变量选择结合起来同时进行是目前普遍使用的方法，
特别适用于高维数据的情形。现今比较重要的方法有 Lasso，Adaptive Lasso，
SCAD，MC+和 SELO 等。除了 Lasso，MC+外，其余的方法均具有 Oracle 性质。
本文的工作是运用随机模拟的方法在不同的情况下比较以上五种方法所得出的
结果，并从中选出较优的方法。
关键词：变量选择; 随机模拟; Oracle 性质

目录
第 1 章 研究背景和现状.....1
1.1
1.2
研究背景........ 1
研究现状........ 1
第 2 章 5 种变量选择方法的理论基础....3
2.1
Lasso ..... 3
2.2 SCAD.... 4
2.3
2.4
2.5
第 3 章
3.1
Adaptive Lasso........ 5
MC+ ...... 6
SELO..... 6
模拟结果的比较 .. 8
样本量(n)与参数个数(p)的变化 ...... 9
3.1.1
3.1.2
真子模型维数低且每个变量对响应值影响大的情况 .. 9
真子模型维数高且每个变量对响应值影响小的情况 12
3.2
性噪比的改变....... 15
3.2.1
3.2.2
真子模型维数低且每个变量对响应值影响大的情况 15
真子模型维数高且每个变量对响应值影响小的情况 18
3.3
3.4
BIC 准则的选取 ... 20
结果分析...... 21
第4 章 总结和展望..23
表格索引24
参考文献25
致 谢.....26
声 明.....27
附录A 外文资料的调研阅读报告....28

论文大小：2.76MB
论文格式：word
论文专业：数学与应用数学
论文编号：204840
论文文件预览：
共1文件夹，1个文件，文件总大小：2.76MB，打包后大小：1.08MB

• 毕业论文-线性模型中的变量选择方法
• 毕业论文-线性模型中的变量选择方法.doc  [2.76MB]