线性不等式缚下的变量选择.pdfVIP

摘要 关于线性模型回归系数的问题，前人已经做了很多工作，回归参数的估计有诸多方法，包 括最小二乘估计、蛉回归估计，主成分回归等方法．但这些方法的一个共同缺点就是不能缩小 变量集．RobertTibshirani和Michel lasso 估计，这两种方法能够很好的进行变量选择．本文主要考虑在进行变量选择时不仅知道样本 信息，而且还知道其它一些先验信息的情况．我fn对fusedlasoo进行改进，加入线性不等 式约束，使变量选择应用的更广瑟。在经济领域等方面发挥更大的作用．我们不仅给出了改 lasso的定义，还给出了求解此问题的一种新算法一一MonteCarlo计算方法，这 进fused 种算法更准确更省时间．同时，在调和参数的选择上，本文引入了。丢弃一个的交叉核实” lasso的自由度，并证明了此估计的渐近性。文 随后，本文又绘出了线性不等式约束下的fused 章的最后，进行了计算机模拟，得到了很好的结果，验证了线性不等式约束下的fusedlasso能 很好的进行变量选择． 关键词：lasso；fusedlasso；二次规划；MonteCario；L00交叉核实 Abgtract The havedonealotaboutthe ofthe coefficients predecessorsalready questionregression in of thelinearmodels．．Iheestimationthe coefficientshas regression many least and havea ordinarysquares，ridgeregressionprincipalcomponentsregression．Butthey colninon that donot models．1Ⅱordertosolvethe shortcomingthey producesparse problem． and andthefusedlasso Tibshirani thelasso whichCanwork Saunders(1996，2005)proposed some in wellinvariableselection，Thisarticleconsidersthat conditionscanbeknown prior variableselectionforthe infornmtion．Wbaddthelinear restraintto except sample inequality thefusedlasso．Wenot the thefused also lasso，but improve onlyproposeimproved propose new to a MoriteCarlo