国家学术搜索
登录
注册
中文
EN
首页
|
基于Lasso含缺失数据的高斯图模型的模型选择
基于Lasso含缺失数据的高斯图模型的模型选择
引用
认领
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
NETL
NSTL
万方数据
中文摘要：
本文基于E-MS算法和Meinshausen and Bühlmann (2006)回归的l1惩罚方法,可以得出含缺失数据情形的高斯图模型的模型选择方法.其核心思想是根据高斯图模型结构估计等价于每个变量的领域选择这一基本结论,采用坐标轴下降法来求解每个领域选择的子问题.
收起全部
展开查看外文信息
作者：
陈婷
展开 >
作者单位：
长春工业大学数学与统计学院
关键词：
Lasso
缺失数据
模型选择
E-MS
出版年：
2018
消费导刊
中国轻工业联合会
消费导刊
影响因子：
0.06
ISSN：
1672-5719
年,卷(期)：
2018.
(22)
参考文献量
4
NETL
NSTL
万方数据
