Compressed and Penalized Linear Regression
Compressed and Penalized Linear Regression
复制标题
压缩和惩罚线性回归
DOI：
10.1080/10618600.2019.1660179
复制
发表时间：
2020
影响因子：
2.4
通讯作者：
McDonald, Daniel J.
中科院分区：
文献类型：
--
作者：
Homrighausen, Darren;McDonald, Daniel J.
现代应用程序需要在大型数据集上计算可行的方法，同时保留良好的统计特性。最近的工作集中在开发快速和随机近似解决最小二乘问题时，数据太大，很容易装入内存或计算是在溢价。这些技术中的许多依赖于数据驱动的子采样或随机压缩。在这篇文章中，我们提供了新的近似算法来解决惩罚最小二乘问题，相对于现有的方法有改进的统计性能。我们提供了第一个有效的方法来调整参数的选择，比较我们的方法与当前的方法，通过模拟和应用，并提供理论上的直觉，使明确的近似统计效率的影响，并证明了仔细的参数调整的必要性。本文的补充材料可在网上查阅。
Modern applications require methods that are computationally feasible on large datasets while retaining good statistical properties. Recent work has focused on developing fast and randomized approximations for solving least squares problems when the data are too large to fit into memory easily or when computations are at a premium. Many of these techniques rely on data-driven subsampling or random compression. In this article, we provide new approximate algorithms for solving penalized least squares problems which have improved statistical performance relative to existing methods. We provide the first efficient methods for tuning parameter selection, compare our methods with current approaches via simulation and application, and provide theoretical intuition which makes explicit the impact of approximation on statistical efficiency and demonstrates the necessity of careful parameter tuning. Supplementary materials for this article are available online.
登录
查看更多内容
使用惩罚回归校正 RNA-Seq 短读计数中的偏差
影响因子：
1
作者：
David Dalpiaz;Xuming He;P. Ma
通讯作者：
P. Ma
R 和knitr 动态文档，第二版
DOI：
10.1201/9781315382487
发表时间：
2015
期刊：
Journal of home economics
影响因子：
--
作者：
Yihui Xie
通讯作者：
Yihui Xie
鲁棒部分压缩最小二乘法
DOI：
--
发表时间：
2015
期刊：
AAAI Conference on Artificial Intelligence
影响因子：
--
作者：
Stephen Becker;B. Kawas;Marek Petrik
通讯作者：
Marek Petrik
稀疏约翰逊：Lindenstrauss 变换
DOI：
10.1145/1806689.1806737
发表时间：
2010
期刊：
ArXiv
影响因子：
--
作者：
Anirban Dasgupta;Ravi Kumar;Tamás Sarlós
通讯作者：
Tamás Sarlós
补充：使用放大的、初始边缘的、特征向量回归从微阵列预测表型
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
L. Ding
通讯作者：
L. Ding