国产自啪精品视频网站丝袜 ,一区二区三区四日韩无码,无码人妻av

內容簡介

　　超高維數(shù)據(jù)廣泛出現(xiàn)在生物醫(yī)學、經濟金融、保險精算、可靠性工程等領域，由于高維數(shù)據(jù)帶來的“維數(shù)禍根”問題，傳統(tǒng)的變量選擇方法無法實現(xiàn)參數(shù)估計的性和模型預測的穩(wěn)定性。《超高維數(shù)據(jù)統(tǒng)計模型變量篩選方法》主要研究了線性模型、分位數(shù)回歸變系數(shù)模型、廣義線性模型及非參數(shù)模型的變量篩選方法和Gini相關系數(shù)的變量篩選方法；闡述了相關性數(shù)字特征變量篩選方法的理論和方法，討論了Pearson相關系數(shù)、秩相關系數(shù)和Gini相關系數(shù)的關系，建立了選擇一致性理論。《超高維數(shù)據(jù)統(tǒng)計模型變量篩選方法》可供統(tǒng)計應用工作者、科研人員及大學相關專業(yè)高年級研究生和教師閱讀。

作者簡介

暫缺《超高維數(shù)據(jù)統(tǒng)計模型變量篩選方法》作者簡介

圖書目錄

章緒論
1．1 線性模型Pearson相關變量篩選方法
1．2 非參數(shù)模型變量篩選方法
1．3 變系數(shù)模型變量篩選方法
1．4 秩相關篩選方法
2章分位數(shù)回歸變系數(shù)模型變量篩選
2．1 引言
2．2 非參分位數(shù)回歸邊際篩選
2．3 理論性質
2．4 選擇變量的方法
2．5 模擬研究
2．6 實例分析
2．7 定理證明
3章超高維數(shù)據(jù)可加模型經驗似然變量篩選
3．1 引言
3．2 邊際經驗似然方法
3．3 條件重排迭代篩選方法
3．4 數(shù)值研究
3．5 定理證明
4章順序LASSO特征選擇方法
4．1 特征選擇方法
4．2 迭代順序LASSO算法
4．3 理論性質
4．4 數(shù)據(jù)模擬
4．5 理論證明
5章超高維非參模型變量篩選方法
5．1 引言
5．2 核估計方法
5．3 理論性質
5．4 CC-SIS算法
5．5 模擬研究
5．6 定理證明
6章 Gini相關獨立篩選
6．1 Gini相關篩選方法
6．2 迭代變量篩選方法
6．3 數(shù)據(jù)模擬
6．4 定理證明
參考文獻