Prediction error bounds for linear regression with the TREX
Prediction error bounds for linear regression with the TREX
复制标题
使用 TREX 进行线性回归的预测误差范围
DOI：
10.1007/s11749-018-0584-4
复制
发表时间：
2018
期刊：
影响因子：
1.3
通讯作者：
Christian L. Müller
中科院分区：
文献类型：
--
作者：
J. Bien;Irina Gaynanova;Johannes Lederer;Christian L. Müller
Trex是最近引入的稀疏线性回归方法。与大多数众所周知的惩罚回归方法相反，可以在不使用调整参数的情况下制定TREX。在本文中，我们为TREX建立了第一个已知的预测误差边界。此外，我们将TREX的扩展介绍给更一般的惩罚类别，并在此广义设置中对预测误差提供了限制。这些结果从理论的角度加深了对Trex的理解，并提供了对一般惩罚回归的新见解。
The TREX is a recently introduced approach to sparse linear regression. In contrast to most well-known approaches to penalized regression, the TREX can be formulated without the use of tuning parameters. In this paper, we establish the first known prediction error bounds for the TREX. Additionally, we introduce extensions of the TREX to a more general class of penalties, and we provide a bound on the prediction error in this generalized setting. These results deepen the understanding of the TREX from a theoretical perspective and provide new insights into penalized regression in general.