| 大数据岭回归的最优子抽样 |
| |
| 引用本文： | 陈云璐,张楠. 大数据岭回归的最优子抽样[J]. 复旦学报(自然科学版), 2022, 61(1): 1-9 |
| |
| 作者姓名： | 陈云璐 张楠 |
| |
| 作者单位： | 复旦大学大数据学院,上海200433 |
| |
| 基金项目： | 国家自然科学基金(11690014)； |
| |
| 摘 要： | 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...
|
| 关 键 词： | 大数据 岭回归 子抽样方法 岭杠杆值 |
Optimal Subsampling for Large Sample Ridge Regression |
| |
| CHEN Yunlu,ZHANG Nan. Optimal Subsampling for Large Sample Ridge Regression[J]. Journal of Fudan University(Natural Science), 2022, 61(1): 1-9 |
| |
| Authors: | CHEN Yunlu ZHANG Nan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
