本文選題：超高維回歸　切入點(diǎn)：數(shù)據(jù)切分　出處：《山西大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年04期

【摘要】：超高維線性回歸中的方差估計(jì)問題是超高維回歸分析中需要解決的關(guān)鍵問題。針對(duì)在超高維線性回歸中普通最小二乘法得到的方差估計(jì)存在有偏性的問題,有學(xué)者基于標(biāo)準(zhǔn)二折交叉驗(yàn)證提出了一種新的方差估計(jì)方法RCV。但發(fā)現(xiàn)方差的RCV估計(jì)依賴于數(shù)據(jù)的切分,穩(wěn)定性差。為此,文章提出用組塊3×2交叉驗(yàn)證的方法進(jìn)行方差估計(jì),并通過模擬實(shí)驗(yàn)將其與RCV方法進(jìn)行了比較,驗(yàn)證了組塊3×2交叉驗(yàn)證估計(jì)比RCV估計(jì)更為穩(wěn)定。
[Abstract]:The problem of variance estimation in ultra high dimensional linear regression is a key problem to be solved in ultra high dimensional regression analysis.In order to solve the problem of bias of variance estimation obtained by ordinary least square method in ultra-high dimensional linear regression, a new variance estimation method, RCV, is proposed based on standard two-fold cross-validation.However, it is found that the RCV estimation of variance depends on the segmentation of the data, and its stability is poor.In this paper, the method of block 3 脳 2 cross-validation is proposed to estimate variance, and compared with RCV method through simulation experiments, it is proved that block 3 脳 2 cross-validation estimation is more stable than RCV estimation.
【作者單位】： 山西大學(xué)軟件學(xué)院;山西大學(xué)數(shù)學(xué)科學(xué)學(xué)院;
【基金】：國家社會(huì)科學(xué)基金(16BTJ034)
【分類號(hào)】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 KirkM.Wolter,王吉利,李毅,馮士雍,鄒國華,馮士雍;《方差估計(jì)引論》[J];數(shù)理統(tǒng)計(jì)與管理;2000年03期

2 釋恒璐;;關(guān)于稱重模型方差估計(jì)的探討[J];蘭州理工大學(xué)學(xué)報(bào);2006年04期

3 呂萍;;重權(quán)數(shù)在復(fù)雜調(diào)查的方差估計(jì)中的應(yīng)用[J];統(tǒng)計(jì)研究;2011年02期

4 陳穎,周紀(jì)薌,茆詩松;參數(shù)設(shè)計(jì)中的方差估計(jì)[J];應(yīng)用概率統(tǒng)計(jì);1996年02期

5 陳希孺;線性回歸模型中誤差方差估計(jì)的貝里-埃森界限[J];自然雜志;1980年02期

6 李朝奎,黃力民,曾卓喬,傅明;基于Monte-Carlo方法的強(qiáng)非線性函數(shù)方差估計(jì)[J];中國有色金屬學(xué)報(bào);2000年04期

7 趙俊龍;徐興忠;;基于加權(quán)方差估計(jì)的降維[J];中國科學(xué)(A輯:數(shù)學(xué));2008年09期

8 馮士雍,鄒國華;系統(tǒng)抽樣時(shí)方差估計(jì)量的比較──一種新的比較準(zhǔn)則[J];系統(tǒng)科學(xué)與數(shù)學(xué);1998年01期

9 王子棟，，郭治;連續(xù)系統(tǒng)魯樟約束方差估計(jì)的一種新方法[J];控制理論與應(yīng)用;1995年02期

10 戎海武,朱燕堂;方差估計(jì)的隨機(jī)加權(quán)分布的漸近展開——非獨(dú)立同分布情形[J];數(shù)理統(tǒng)計(jì)與應(yīng)用概率;1994年03期

相關(guān)會(huì)議論文 前1條

1 張荷觀;;每層抽一個(gè)單元時(shí)的方差估計(jì)[A];中國現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)碩士學(xué)位論文 前6條

1 王宇;非參數(shù)函數(shù)的單調(diào)估計(jì)和減小方差估計(jì)[D];北京化工大學(xué);2015年

2 陳源;基于正態(tài)模糊數(shù)的模糊線性回歸研究與應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2015年

3 李琳君;集群數(shù)據(jù)的二次光滑局部線性回歸分析[D];華中師范大學(xué);2015年

4 張宇;AANA誤差下線性回歸模型M估計(jì)的漸近性質(zhì)[D];湖北師范大學(xué);2016年

5 黃芬芬;部分線性回歸模型參數(shù)的差分k-d估計(jì)[D];湖北師范大學(xué);2016年

6 滕勝男;線性回歸模型中兩參數(shù)估計(jì)性質(zhì)研究[D];吉林大學(xué);2017年

本文編號(hào)：1711603