Lassoing eigenvalues
Lassoing eigenvalues
复制标题
DOI：
10.1093/biomet/asz076
复制
发表时间：
2018-05
期刊：
影响因子：
2.7
通讯作者：
David E. Tyler;Mengxi Yi
中科院分区：
文献类型：
--
作者：
David E. Tyler;Mengxi Yi
惩罚样本协方差矩阵的性质取决于惩罚函数的选择。在本文中，我们为样本协方差矩阵引入了一类非光滑惩罚函数，并演示了它们的使用如何导致估计特征值的分组。我们将提出的方法称为分类特征值，或称为elasso。
The properties of penalized sample covariance matrices depend on the choice of the penalty function. In this paper, we introduce a class of nonsmooth penalty functions for the sample covariance matrix and demonstrate how their use results in a grouping of the estimated eigenvalues. We refer to the proposed method as lassoing eigenvalues, or the elasso.