大数据岭回归的最优子抽样

针对大数据岭回归问题,研究了提升计算效率的子抽样方法.现有子抽样方法的研究主要集中于没有惩罚项的模型框架,而相较于普通最小二乘估计,岭回归中惩罚项的引入权衡了估计的偏差和方差.通过子样本所得估计的渐近性质研究,本文提出了以渐近均方误差为优化准则的岭回归最优子抽样估计,并计算得到包含岭杠杆值和L2范数的子抽样概率,对岭杠...     

基于岭回归法对海南省住宅销售价格的影响因素的研究

利用多元线性回归模型,研究了1996年到2008年海南省住宅销售面积、人口及城镇居民可支配收入对海南省住宅销售价格的影响,基于岭回归法来解决自变量间多重共线性的问题,借助EVIEWS6．0和SPSS17．0软件,建立相关的数学模型,最后预测海南省2009年住宅销售价格,结果表明模型短期预测精度较高。     

基于岭回归和Lasso回归的螺纹钢期货价格实证分析

期货是金融市场的重要组成部分,期货的交割通常是在一段时间后进行,因此对于期货价格预测显得尤为重要,其中螺纹钢期货价格预测成为提高我国钢铁产业竞争力的重要举措.通过对螺纹钢期货结算价及其影响因素的数据进行分析,分别利用岭回归和Lasso回归两种方法消除共线性的影响,得到两种修正多元回归模型,应用两种修正多元回归模型分别对螺纹钢未来一周的期货价格进行预测,并与真实价格进行比较,最终发现基于两种方法得到的模型预测准确率均高于95%以上,且基于Lasso回归方法的拟合效果更好,证明构建的两种回归模型对螺纹钢价格的走势与预测均有重要的参考价值.     

基于岭回归的城市交通安全评价模型

使用岭回归的方法研究了2010年中国各地区交通事故发生起数与诸多可能影响因素数据并建立了回归模型.结果表明,城市交通安全的显著影响因素按照影响强度依次有：公共汽（电）车辆数、轨道交通、出租汽车辆数、失业人员数量、摩托车拥有量.且公共汽（电）车与摩托车辆数对交通事故发生起数为正影响,其它三个因素为负影响.需要注意的是家用汽车数量对交通事故的影响并不显著.     

岭回归中K值的探讨

以多元线性回归模型的典则形式为研究对象,从减小均方误差的角度出发,在一定的范围内分析了岭参数K的存在性.岭参数K的确定依赖于未知参数,但是若只凭样本推断,就会使大量的经验和信息作用无从发挥.岭迹法确定K值存在着一定的人为主观因素,这种主观性正好能使定性分析和定量分析结合起来,并改进Hoerl和Kennard的方法.本文通过分析均方误差函数的单调性,将K的范围缩小到一个相对较小的区间.关于K值的逼近,怎样才能达到极值点,尚需进一步研究.     

基于岭回归和LASSO回归的安徽省财政收入影响因素分析

基于1988—2019年安徽省财政收入及相关经济指标数据,运用岭回归和LASSO回归方法,探究安徽省财政收入的影响因素.考虑到较多的自变量会造成严重的多重共线性,首先应用岭回归及LASSO回归模型降低变量间共线性的影响,然后再进行变量选择,最后对两模型进行比较分析.结果显示:相较于岭回归模型,LASSO回归模型更优.第...     

岭回归参数选择的主成分方法

当线性回归模型中自变量出现共线时,最小二乘估计不再是良好估计。岭回归估计和主成分估计是新提出的两种估计方法,本文讨论了在某些条件下,这两种估计是很接近的,同时提供了一种选择岭回归参数K的方法,称为主成分选择法。文章还列举了两个典型例子来说明。     

ELM岭回归软测量建模方法

ELM(极限学习机)是一种新型的前馈神经网络,可有效处理函数的回归问题.针对ELM学习算法隐含层输出可能存在的复共线性问题,提出了ELM岭回归(ELMRR)软测量建模方法.该算法利用岭回归方法代替原有的线性回归算法,以误差平方和均值为性能指标,采用粒子群优化算法确定最佳岭参数,克服了传统岭回归算法最佳岭参数难以确定的缺...     

岭回归中的掩盖和提升影响

本文探讨了岭回归中数据影响的掩盖、提升、降低、增大以及交互作用,揭示出了岭帽子矩阵的非对角元素和岭残差的作用及意义。     

无不良符号的岭回归-岭回归K值的一种取法

本文以无不良符号为原则，利用二分法给出选择岭回归Ｋ值的一种方法．     

Generalized ridge estimation of a semiparametric regression model

We considered the following semiparametric regres-sion model yi = X iT β+ s ( t i ) + ei (i =1,2,,n). First,the general-ized ridge estimators of both parameters and non-parameters are given without a restrained design matrix. Second,the generalized ridge estimator will be compared with the penalized least squares estimator under a mean squares error,and some conditions in which the former excels the latter are given. Finally,the validity and feasibility of the method is illustrated by a simulation example.     

复共线性条件下广义岭估计的改进

对于复共线性条件下线性回归模型的广义岭估计进行了进一步的研究。针对线性回归模型病态的根本原因,提出了一类新的估计——0-K型广义岭估计。研究这一估计的性质,证明利用0-K型广义岭估计技术可以改进广义岭估计(在均方残差意义下)。文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径。     

基于稳健回归技术的软件成本估计方法

随着软件系统规模的不断扩大和复杂程度的日益加大,人们经常对软件成本估算不足,造成了各种严重的软件危机。本文分析了面向数据挖掘的普通最小二乘法和稳健回归两种回归技术在软件成本估计应用中的准确性,提出了稳健回归的软件成本估计方法。     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

有约束的多元线性回归模型的Mi nimax估计

在损失函数tr(B-B)'A(B-B)下给出B在线性估计类中的Minimax估计,研究了其性质.在一些特殊的情形下,该估计包括了多元功效岭回归估计(Ridge regression estimation),多元Stein估计等.     

一种基于灰度相似性的指纹纹线密度提取方法

 提出了一种独立于纹线方向信息的方法,根据指纹整体与局部在灰度的相似性,求出具有该相似性的最小局部的尺寸,从而得到相应的纹线密度.该方法在指纹图像的各种区域都适用,很好的解决了不规则区域纹线密度的提取问题.     

因子分析法中因子得分的岭估计

从传统的因子分析模型出发，对其中的因子得分的回归估计运用了岭估计进行改进，从而有效增强了因子得分估计的稳定性．     

基于非参数回归模型的局部线性估计云量预报方法研究

为研究云量的分布特点,本文利用历史观测资料,对新义州、定海、隆子3站的总云量和低云量进行了正态性检验,结果显示：总云量和低云量均未达到正态指标,具有一定的随机性.因此,在2004-2007年逐年1月T106L19模式产品和单站地面观测资料的基础上,采用适合被解释对象呈非未知分布的非参数方法——局部线性估计方法,选择合适的窗宽和核函数,创建了上述3站总云量和低云量的短期预报模型,包括不同的长度样本序列.同时,为了比较预报效果,还采用适合被解释对象呈正态分布的参数方法——逐步回归法,建立了相应的预报模型,并利用2003年1月1～31日的逐日T106L19模式产品和3站的云量历史观测资料,对各种预报模型进行了试报和效果的检验,结果表明：在3站的总云量、低云量的月平均准确率和月平均平均绝对误差的检验指标中,非参数局部线性估计的预报精度均高于逐步回归方法 使用短样本序列建立的自适应非参数局部线性估计预报模型与采用长样本序列建立的预报模型相比,效果相当.这意味着,在数值预报产品解释应用的云量预报中,非参数局部线性估计方法可以更合理地考虑其时间分布特征,尤其在缺乏较长时间的历史建模样本时,具有良好的应用前景.     

线性模型中回归系数广义岭估计的小样本性质

在均方误差矩阵准则和Pitman closeness（PC）准则下讨论了线性回归模型中回归系数的广义岭估计相对于最小二乘估计的优良性及其相对效率的界．