基于Bayesian Lasso方法的变量选择和异常值检测

被引：2

作者：

尚华 ^{[1
]}

冯牧 ^{[2
]}

张贝贝 ^{[1
]}

于凤敏 ^{[3
]}

机构：

[1] 首都经济贸易大学统计学院

[2] 中国科学技术大学管理学院

[3] 重庆邮电大学数理学院

来源：

计算机应用研究 | 2015年 / 32卷 / 12期

关键词：

变量选择; 异常值; Bayesian Lasso方法; Gibbs抽样;

D O I：

暂无

中图分类号：

O212.1 [一般数理统计];

学科分类号：

020208 ; 070103 ; 0714 ;

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。

引用

页码：3586 / 3589

页数：4

共 21 条

[1]

高等数理统计[M]. 高等教育出版社 , 茆诗松,王静龙,濮晓龙编著, 2006

[2]

Simultaneous variable selection and outlier detection using Lasso with applications to aircraft landing data analysis.Rutgers. Wei Li. . 2012

[3] 基于双层贝叶斯网增强学习机制的网络认知算法 [J].

褚灵伟 ;

李捷 ;

董晨 ;

陆肖元 .

计算机应用研究, 2014, 31 (05) :1320-1323

[4] 一般均值漂移模型的Score检验统计量 [J].

时正华 ;

袁永生 ;

印凡成 .

数学杂志, 2010, 30 (02) :283-288

[5]

The Bayesian lasso. Trevor Park,George Casella. Journal of the American Statistical Association . 2008

[6]

Influence of model-building strategies on the results of a case-control study. Blettner M,Sauerbrei W. Statistics in Medicine . 1993

[7] A method for simultaneous variable selection and outlier identification in linear regression [J].

Hoeting, J ;

Raftery, AE ;

Madigan, D .

COMPUTATIONAL STATISTICS & DATA ANALYSIS, 1996, 22 (03) :251-270

[8]

The adaptive lasso and its oracle properties. Hui Zou. Journal of the American Statistical Association . 2006

[9]

Nearly unbiased variable selection under minimax concave penalty. Cun-Hui Zhang. The Annals of Statistics . 2010

[10]

Estimating the dimension of a model. Schwarz G. The Annals of Statistics . 1978

← 1 2 3 →