基于BayesianLasso方法的变量选择和异常值检测尚华1，冯牧2.docVIP

下载本文档

44
0
约8.38千字
约 9页
2017-04-14 发布于天津
举报
版权申诉

基于BayesianLasso方法的变量选择和异常值检测尚华1，冯牧2.doc

1、本文档共9页，其中可免费阅读3页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于方法的变量选择和异常值检测尚华冯牧张贝贝于凤敏首都经济贸易大学统计学院北京中国科学技术大学管理学院合肥重庆邮电大学数理学院重庆摘要针对方法的变量选择和异常值检测进行了研究该方法是在线性回归模型中引入识别变量借助于双层模型和抽样算法给出识别变量后验概率的计算方法和变量选择的方法通过比较这些识别变量的后验概率进行异常值定位最后进行了大量的模拟实验结果表明该方法是可行且有效的关键词变量选择异常值方法抽样中国分类号引言变量选择是近年来统计研究领域的一个热点最早的方法包括以及数据驱动方法这些方法的目的

基于Bayesian Lasso方法的变量选择和异常值检测尚华１，冯牧２，张贝贝１，于凤敏3 (1.首都经济贸易大学统计学院，北京 100070；2.中国科学技术大学管理学院，合肥 230000；3.重庆邮电大学数理学院，重庆 400065）摘要：针对Bayesian Lasso方法的变量选择和异常值检测进行了研究。该方法是在线性回归模型中引入识别变量，借助于双层Bayesian模型和Gibbs抽样算法，给出识别变量后验概率的计算方法和变量选择的方法，通过比较这些识别变量的后验概率进行异常值定位。最后进行了大量的模拟实验,结果表明该方法是可行且有效的。关键词：变量选择；异常值