Fugu-MT 論文翻訳(概要): Heterogeneous Overdispersed Count Data Regressions via Double Penalized Estimations

論文の概要: Heterogeneous Overdispersed Count Data Regressions via Double Penalized Estimations

arxiv url: http://arxiv.org/abs/2110.03552v1
Date: Thu, 7 Oct 2021 15:20:49 GMT
ステータス: 処理完了
システム内更新日: 2021-10-08 22:05:47.094486
Title: Heterogeneous Overdispersed Count Data Regressions via Double Penalized Estimations
Title（参考訳）: 二重ペナライズ推定による不均一分布数データ回帰
Authors: Shaomin Li, Haoyu Wei, Xiaoyu Lei
Abstract要約: 2つの偏回帰係数のラッソ推定器のオラクル不等式を初めて証明する。シミュレーションと実データ解析の両方が、新しい手法が有効であることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper studies the non-asymptotic merits of the double $\ell_1$-regularized for heterogeneous overdispersed count data via negative binomial regressions. Under the restricted eigenvalue conditions, we prove the oracle inequalities for Lasso estimators of two partial regression coefficients for the first time, using concentration inequalities of empirical processes. Furthermore, derived from the oracle inequalities, the consistency and convergence rate for the estimators are the theoretical guarantees for further statistical inference. Finally, both simulations and a real data analysis demonstrate that the new methods are effective.
Abstract（参考訳）: 本論文では,二項回帰による不均一分散数データに対する2倍$\ell_1$-regularizedの非漸近的効果について検討する。制限された固有値条件の下では、経験過程の濃度不等式を用いて、2つの偏回帰係数のラッソ推定器のオラクル不等式を初めて証明する。さらに、オラクルの不等式から導かれる推定器の一貫性と収束率は、さらなる統計的推測の理論的保証となる。最後に、シミュレーションと実データ解析の両方が、新しい手法が有効であることを示す。

関連論文リスト

Progression: an extrapolation principle for regression [0.0]
本稿では,新しい統計外挿原理を提案する。これは、予測器とトレーニング予測器のサンプルの境界における応答との単純な関係を仮定する。我々の半パラメトリック法である進行法は、この外挿原理を活用し、トレーニングデータ範囲を超えた近似誤差の保証を提供する。
論文参考訳（メタデータ） (2024-10-30T17:29:51Z)
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)
Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
論文参考訳（メタデータ） (2022-11-16T15:07:00Z)
Off-policy estimation of linear functionals: Non-asymptotic theory for semi-parametric efficiency [59.48096489854697]
観測データに基づいて線形汎関数を推定する問題は、因果推論と包帯文献の両方において標準的である。このような手順の平均二乗誤差に対して非漸近上界を証明した。非漸近的局所ミニマックス下限をマッチングすることにより、有限標本のインスタンス依存最適性を確立する。
論文参考訳（メタデータ） (2022-09-26T23:50:55Z)
Mitigating multiple descents: A model-agnostic framework for risk monotonization [84.6382406922369]
クロスバリデーションに基づくリスクモノトナイズのための一般的なフレームワークを開発する。本稿では,データ駆動方式であるゼロステップとワンステップの2つの手法を提案する。
論文参考訳（メタデータ） (2022-05-25T17:41:40Z)
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)
Statistical Inference for High-Dimensional Linear Regression with Blockwise Missing Data [13.48481978963297]
ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
論文参考訳（メタデータ） (2021-06-07T05:12:42Z)
Weighted Lasso Estimates for Sparse Logistic Regression: Non-asymptotic Properties with Measurement Error [5.5233023574863624]
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。
論文参考訳（メタデータ） (2020-06-11T00:58:14Z)
Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文参考訳（メタデータ） (2020-05-20T15:01:03Z)

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。