版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、東南大學(xué)碩士學(xué)位論文通過交叉驗(yàn)證準(zhǔn)則選擇線性模型姓名:聞斌申請學(xué)位級別:碩士專業(yè):概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師:江其保20060101AbstractInthefieldofmodel(orvariable)selectionintilemultipleregressionmodel,manymethodsareappliedtoaddressthisproblem;forexample,theqcriterion,Akaikeinform
2、ationcriterion(Akaiket1974,AIC),Bayesinformationcriterion(BIC),the≯criterionandCrossvalidationcriterionbecausethesecriteriau∞afixedchoiceofthepenaltyJunctionHowever,afixedchoicemaybegoodinsolnesituationsandmaynotperformw
3、ellinsomeothersituations;sothechoiceofthepenaltyfunctionwillaffecttheperformanceofamodelselectioncriterionHencethereisaneedtofindadateorientedpenaltyBothataprocedurewithitsusewillperformwell田地丑r8tattempttoprovideadateori
4、entedpenaltyfunctionismadeinRaoandWu(19S9),whichw88appliedtomodelselectionproblemsinthemultipleregre%ionmodelInthispaperourobjectistopursuetheinvestigationstartedinRaoandwh(1989)柚dmake∞merefinements,Weconsidertheproblemo
5、fmodelselectionintheclassicalregre目ionmodeIbasedoncroesvalidationwith∞addpenaltytermforpenalizingoverfittingUnderSonleweakconsidersthenewcriterionj8shownt0bestronglyconsistentinthesensethatwithprobabilityoneforalllarge’1
6、AsshowninollrMonteCarlosimulationthecriterionwith8da㈣entedpenaltyprovidesimprovedperformanceovertheer/terionwith8fixedchoiceofthepenaltyfunctionanditworkswellinsinaisamplesizesKeywords:AIC,BIC,GIC,ConsistencyCrossvalidat
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 15732.基于組塊3215;2交叉驗(yàn)證t檢驗(yàn)的模型選擇研究
- 線性混合模型的模型選擇.pdf
- 高維線性模型的變量選擇.pdf
- 基于廣義交叉驗(yàn)證的正則參數(shù)選擇在非凸非Lipschitzian圖像恢復(fù)模型中的應(yīng)用.pdf
- 基于空間結(jié)構(gòu)信息和交叉驗(yàn)證聚類的波段選擇.pdf
- 均衡RLT交叉驗(yàn)證方法.pdf
- 關(guān)于模型選擇問題的子空間信息準(zhǔn)則.pdf
- 面向高維回歸的組塊3215;2交叉驗(yàn)證調(diào)節(jié)參數(shù)選擇
- 廣義線性模型中的變量選擇.pdf
- 交叉樣例選擇研究.pdf
- 42762.基于偏峰度的模型選擇準(zhǔn)則及其應(yīng)用
- ansys中材料非線性模型介紹與選擇
- 貨運(yùn)量預(yù)測的多元線性回歸模型驗(yàn)證與改進(jìn)研究.pdf
- 部分線性單指標(biāo)模型變量選擇問題的研究.pdf
- 基于多特征模型模擬電路測試選擇與驗(yàn)證.pdf
- Lasso及其相關(guān)方法在廣義線性模型模型選擇中的應(yīng)用.pdf
- 非線性混合效應(yīng)模型在交叉設(shè)計(jì)等級資料分析中的應(yīng)用
- 46556.函數(shù)系數(shù)部分線性模型的變量選擇
- 廣義線性模型基于elasticnet的變量選擇方法研究
- 非線性建模中神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與選擇.pdf
評論
0/150
提交評論