論文の概要: Weighted Lasso Estimates for Sparse Logistic Regression: Non-asymptotic
Properties with Measurement Error
- arxiv url: http://arxiv.org/abs/2006.06136v1
- Date: Thu, 11 Jun 2020 00:58:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 09:45:15.534632
- Title: Weighted Lasso Estimates for Sparse Logistic Regression: Non-asymptotic
Properties with Measurement Error
- Title（参考訳）: スパースロジスティック回帰の重み付きラッソ推定:測定誤差による非漸近特性
- Authors: Huamei Huang, Yujing Gao, Huiming Zhang, and Bo Li
- Abstract要約: 2種類の重み付きラスソ推定法が$ell_1$-penalized logistic regressionに対して提案されている。
提案手法の有限標本挙動は,非漸近的オラクル不等式によって示される。
シミュレーションデータの重み付けされた推定値と比較し,実データ解析にこれらの手法を適用した。
- 参考スコア（独自算出の注目度）: 5.5233023574863624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When we are interested in high-dimensional system and focus on classification
performance, the $\ell_{1}$-penalized logistic regression is becoming important
and popular. However, the Lasso estimates could be problematic when penalties
of different coefficients are all the same and not related to the data. We
proposed two types of weighted Lasso estimates depending on covariates by the
McDiarmid inequality. Given sample size $n$ and dimension of covariates $p$,
the finite sample behavior of our proposed methods with a diverging number of
predictors is illustrated by non-asymptotic oracle inequalities such as
$\ell_{1}$-estimation error and squared prediction error of the unknown
parameters. We compare the performance of our methods with former weighted
estimates on simulated data, then apply these methods to do real data analysis.
- Abstract（参考訳）: 高次元システムに興味を持ち、分類性能にフォーカスすると、$\ell_{1}$-penalized logistic regressionが重要かつ普及しています。
しかし、異なる係数のペナルティがすべて同じであり、データとは無関係である場合、ラッソ推定は問題となる可能性がある。
我々はMcDiarmidの不等式による共変量に依存する2種類の重み付きラッソ推定を提案した。
サンプルサイズ$n$ とコ変数の次元$p$ が与えられたとき、提案手法の有限なサンプル挙動と予測器の発散は、$\ell_{1}$-推定誤差や未知パラメータの2乗予測誤差のような非漸近オラクルの不等式によって示される。
シミュレーションデータの重み付けされた推定値と比較し,実データ解析にこれらの手法を適用した。
関連論文リスト
- Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Statistical Inference in Classification of High-dimensional Gaussian Mixture [1.2354076490479515]
高次元極限における正規化凸分類器の一般クラスの挙動について検討する。
我々の焦点は、推定器の一般化誤差と変数選択性である。
論文 参考訳（メタデータ） (2024-10-25T19:58:36Z) - Multivariate root-n-consistent smoothing parameter free matching estimators and estimators of inverse density weighted expectations [51.000851088730684]
我々は、パラメトリックな$sqrt n $-rateで収束する、最も近い隣人の新しい修正とマッチング推定器を開発する。
我々は,非パラメトリック関数推定器は含まないこと,特に標本サイズ依存パラメータの平滑化には依存していないことを強調する。
論文 参考訳（メタデータ） (2024-07-11T13:28:34Z) - Analysis of Bootstrap and Subsampling in High-dimensional Regularized Regression [29.57766164934947]
統計モデルの不確実性を推定するための一般的な再サンプリング手法について検討する。
一般化線形モデル(英語版)の文脈において、これらの手法によって推定されるバイアスと分散の厳密な記述を提供する。
論文 参考訳（メタデータ） (2024-02-21T08:50:33Z) - On semi-supervised estimation using exponential tilt mixture models [12.347498345854715]
バイナリ応答と予測器のラベル付きデータセットと、予測器のみのラベル付きデータセットによる半教師付き設定を考えてみましょう。
半教師付き推定のために,指数傾斜混合(ETM)モデルを用いた統計的アプローチのさらなる解析と理解を開発する。
論文 参考訳（メタデータ） (2023-11-14T19:53:26Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳（メタデータ） (2023-09-28T13:04:11Z) - Retire: Robust Expectile Regression in High Dimensions [3.9391041278203978]
ペナル化量子化法と期待回帰法は、高次元データの異方性検出に有用な手段を提供する。
我々は,頑健な期待回帰(退職)を提案し,研究する。
提案手法は半平滑なニュートン座標降下アルゴリズムにより効率よく解けることを示す。
論文 参考訳（メタデータ） (2022-12-11T18:03:12Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳（メタデータ） (2021-08-25T21:30:27Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳（メタデータ） (2021-03-23T17:48:56Z) - Doubly Robust Semiparametric Difference-in-Differences Estimators with
High-Dimensional Data [15.27393561231633]
不均一な治療効果を推定するための2段半パラメトリック差分差分推定器を提案する。
第1段階では、確率スコアを推定するために、一般的な機械学習手法が使用できる。
第2段階ではパラメトリックパラメータと未知関数の両方の収束率を導出する。
論文 参考訳（メタデータ） (2020-09-07T15:14:29Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳（メタデータ） (2020-04-17T12:47:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。