在考虑回归和分类的问题时把边界的信息也利用上.docxVIP

在考虑回归和分类的问题时把边界的信息也利用上 THE COMPOSITE ABSOLUTE PENALTIES FAMILY FOR GROUPED AND HIERARCHICAL VARIABLE SELECTION CAP给出组间因子的关系和分层的预测因子之间的关系。 （分层的变量选择是通过分成有重叠的组解决的） 参数估计的一般目标是 我们主要关注线性回归 LASSO： 最小化 等价于 bridge regressions： 损失函数是L2的 比如： CAP函数族允许使用除了L1和L2以外的范数从L1到L∞之间的任何范数。 CAP允许组间重叠，这样可以解决分层的估计问题。 iCAP解决组间没有重叠的情况。 对于CAP惩罚函数，当所有的范数都是凸函数的时候，CAP也是凸函数。因此，采用BLASSO算法来计算CAP路径。 假设Xj是均值为0，方差为1的自变量。 CAP惩罚函数 包含所有下标 一个子集 一个指定的分组 定义 用 表示 定义为the overall norm， 定义为the kth group norm 定义 在组间，Nk被Lγ0范数的惩罚函数惩罚。在组内，γk范数决定βGk之间的关系。 Grouped selection: the nonoverlapping groups case diabetes data： the first group co