지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제17권 제5호
- 발행연도
- 2015.1
- 수록면
- 2,391 - 2,402 (12page)
이용수
초록· 키워드
오류제보하기
선형회귀모형에서 표본 크기 이 공변량의 수 보다 큰 경우 여러 가지 변수 선택방법 중 일반적으로 전진적 선택방법, 후진적 제거방법, 단계적 선택방법 등이 사용된다. 하지만, 가 에 비해 매우 큰 경우인 고차원문제를 가지는 선형모형에서는 이러한 방법들을 사용하는 데에 어려움이 있다. 이러한 변수선택의 어려운 점을 극복하기 위해 유의하지 않은 변수들을 제거하는 다양한 regularization 또는 shrinkage 방법이라고도 불리는 벌점화우도(penalized likelihood) 방법들이 고차원 선형모형에서 제안되었다. 본 논문은 고차원 선형모형에서 사용이 용이한 변수 선택방법에 대한 연구로, 여러 가지 벌점화우도 방법들에 대해 알아보고 그 응용성을 알아본다. 그 중에서 ridge, LASSO, LARS, elastic net, adaptive LASSO 등 다섯 가지 벌점화우도 방법의 특징을 간단히 살펴보고, 실제 자료인 전립선(prostate) 자료와 한국 경제 수치자료에 적용해 본다. RSS, AIC, BIC를 평가기준으로 다섯 가지 벌점화우도 방법의 실 자료 분석 결과 고차원 선형모형에서 가장 적합한 방법은 LARS 알고리즘이었다.
목차
등록된 정보가 없습니다.
참고문헌 (20)
참고문헌 신청
Akaike, H. / 1974 / A new look at the statistical model identification / IEEE Trans Automatic Control 19 (6) : 716 ~ 723
Efron, B. / 2004 / Least angle regression / Annals of Statistics 32 : 407 ~ 451
Himel Mallick Nengjun Yi / 2013 / Bayesian Methods for High Dimensional Linear Models / Journal of Biometrics & Biostatistics
Hoerl, A. E. / 1970 / Ridge regression : biased estimation for nonorthogonal problems / Technometrics 12 : 55 ~ 67
James, R. / 2013 / An introduction to statistical learning / Springer
Efron, B. / 2004 / Least angle regression / Annals of Statistics 32 : 407 ~ 451
Himel Mallick Nengjun Yi / 2013 / Bayesian Methods for High Dimensional Linear Models / Journal of Biometrics & Biostatistics
Hoerl, A. E. / 1970 / Ridge regression : biased estimation for nonorthogonal problems / Technometrics 12 : 55 ~ 67
James, R. / 2013 / An introduction to statistical learning / Springer
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
모형 선택 기준들에 대한 LASSO 회귀 모형 편의의 영향 연구
응용통계연구
2016 .06
-
부분선형모형에서 LARS를 이용한 변수선택
응용통계연구
2021 .12
-
frailtyHL 통계패키지를 이용한 프레일티 모형의 변수선택: 유방암 생존자료
응용통계연구
2015 .10
-
다수준 프레일티모형 변수선택법을 이용한다기관 방광암 생존자료분석
한국데이터정보과학회지
2016 .04
-
고차원 빅데이터 분석을 위한 통계모형 개발
한국데이터정보과학회지
2020 .11
-
비정상 자기회귀모형에서의 벌점화 추정 기법에 대한 연구
응용통계연구
2019 .12
-
모형 선택에 대한 Elastic-Net 벌점화 회귀모형의 편의의 영향 연구
한국데이터정보과학회지
2022 .01
-
벌점회귀를 통한 상대오차 예측방법
응용통계연구
2015 .12
-
선형모형의 선택에 관한 통계적 기계학습: 변수선택법의 비교연구
Journal of The Korean Data Analysis Society
2021 .12
-
Adaptive lasso를 이용한 희박벡터자기회귀모형에서의 변수 선택
응용통계연구
2016 .02
-
평균-분산 가속화 실패시간 모형에서 벌점화 변수선택
응용통계연구
2021 .06
-
Penalized variable selection for accelerated failure time models
CSAM(Communications for Statistical Applications and Methods)
2018 .11
-
벌점화 분위수 회귀나무모형에 대한 연구
응용통계연구
2016 .12
-
엘라스틱 넷 벌점항을 이용한 비선형 지지벡터기계의 변수선택
한국데이터정보과학회지
2023 .01
-
Joint Modeling for Mean Vector and Covariance Estimation with l1-Penalty
Quantitative Bio-Science
2017 .05
-
Variable selection in Poisson HGLMs using h-likelihoood
한국데이터정보과학회지
2015 .12
-
High-dimensional linear discriminant analysis with moderately clipped LASSO
CSAM(Communications for Statistical Applications and Methods)
2021 .01
-
Penalized maximum likelihood estimation with symmetric log-concave errors and LASSO penalty
CSAM(Communications for Statistical Applications and Methods)
2022 .11
-
Local Influence in LASSO Regression
Journal of The Korean Data Analysis Society
2016 .12
-
A note on standardization in penalized regressions
한국데이터정보과학회지
2015 .04
이 논문의 저자 정보
최근 본 자료
댓글(0)
0