Structured functional additive regression in reproducing kernel Hilbert spaces.
Structured functional additive regression in reproducing kernel Hilbert spaces.
复制标题
DOI：
10.1111/rssb.12036
复制
发表时间：
2014-06-01
期刊：
影响因子：
--
通讯作者：
Zhang HH
中科院分区：
文献类型：
--
作者：
Zhu H;Yao F;Zhang HH
函数加性模型（FAM）为涉及函数预测变量的回归提供了一个灵活而简单的框架。数据驱动基在加法结构而不是线性结构中的利用自然地扩展了经典的函数线性模型。然而，选择非线性添加剂成分的关键问题却研究得较少。在这项工作中，我们提出了一个新的正则化框架的再生核希尔伯特空间的背景下的结构估计。所提出的方法利用功能主成分，这大大方便了实施和理论分析。选择和估计是通过惩罚最小二乘使用的惩罚，鼓励稀疏结构的添加剂成分。理论性质，如收敛速度进行了研究。通过模拟研究和真实的数据应用证明了经验性能。
Functional additive models (FAMs) provide a flexible yet simple framework for regressions involving functional predictors. The utilization of data-driven basis in an additive rather than linear structure naturally extends the classical functional linear model. However, the critical issue of selecting nonlinear additive components has been less studied. In this work, we propose a new regularization framework for the structure estimation in the context of Reproducing Kernel Hilbert Spaces. The proposed approach takes advantage of the functional principal components which greatly facilitates the implementation and the theoretical analysis. The selection and estimation are achieved by penalized least squares using a penalty which encourages the sparse structure of the additive components. Theoretical properties such as the rate of convergence are investigated. The empirical performance is demonstrated through simulation studies and a real data application.
登录
查看更多内容
影响因子：
4.5
作者：
Hall, Peter;Mueller, Hans-Georg;Wang, Jane-Ling
通讯作者：
Wang, Jane-Ling
DOI：
10.1111/j.1467-9868.2009.00718.x
发表时间：
2009-01-01
影响因子：
5.8
作者：
Ravikumar, Pradeep;Lafferty, John;Wasserman, Larry
通讯作者：
Wasserman, Larry
影响因子：
4.5
作者：
Lin, Yi;Zhang, Hao Helen
通讯作者：
Zhang, Hao Helen
影响因子：
0.8
作者：
Cardot, H;Ferraty, F;Sarda, P
通讯作者：
Sarda, P
影响因子：
1
作者：
Cardot, H;Ferraty, F;Sarda, P
通讯作者：
Sarda, P