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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、函數(shù)線性回歸模型中的變量選擇問題研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名:周雄斌指導(dǎo)教師:張志民教授專業(yè):統(tǒng)計(jì)學(xué)學(xué)科門類:理學(xué)重慶大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院二O一七年五月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要作為應(yīng)用的最為廣泛的函數(shù)數(shù)據(jù)分析方法,函數(shù)線性回歸模型將解釋變量的離散觀測(cè)表示成光滑的函數(shù),然后基于函數(shù)數(shù)據(jù)來對(duì)響應(yīng)變量做出統(tǒng)計(jì)推斷。當(dāng)模型中存在多個(gè)解釋變量函數(shù)時(shí),為了提高模型的可解釋性與預(yù)測(cè)能力,我們經(jīng)常希望挑選出對(duì)響應(yīng)變量有重要影響的
2、解釋變量函數(shù)。本文針對(duì)函數(shù)線性回歸模型提出了一個(gè)新的變量選擇方法。大體是首先通過基逼近方法將函數(shù)線性回歸模型轉(zhuǎn)化為一般的線性回歸模型,然后再利用相關(guān)性學(xué)習(xí)方法以及懲罰最小二乘或懲罰似然方法來實(shí)現(xiàn)變量的選擇。在一定條件下,此種方法具有可靠篩選性質(zhì)以及模型選擇的相合性。本文提出的變量選擇方法既適用于低維情形也適用于高維情形。本文分為五個(gè)部分。第一章為緒論部分,主要介紹本文所研究問題的背景以及目前的研究現(xiàn)狀,同時(shí)說明本文所做的工作。第二章將介
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多元回歸模型中變量選擇問題研究.pdf
- 回歸模型中變量選擇的若干問題研究.pdf
- 工具變量回歸模型中的變量選擇.pdf
- 函數(shù)型線性回歸模型若干問題研究
- 46556.函數(shù)系數(shù)部分線性模型的變量選擇
- 32300.幾類回歸模型中的變量選擇方法
- 函數(shù)型線性回歸模型若干問題研究.pdf
- 廣義線性模型中的變量選擇.pdf
- 8502.乘積回歸模型的變量選擇研究
- 部分線性單指標(biāo)模型變量選擇問題的研究.pdf
- expectile回歸和最優(yōu)資產(chǎn)組合中的變量選擇問題
- 高維線性模型的變量選擇.pdf
- Expectile回歸和最優(yōu)資產(chǎn)組合中的變量選擇問題.pdf
- 線性模型中的變量選擇及股票市場(chǎng)實(shí)證研究.pdf
- 廣義線性模型基于elasticnet的變量選擇方法研究
- 平衡損失函數(shù)下線性模型中回歸系數(shù)的線性可容許估計(jì).pdf
- 1305.時(shí)空加權(quán)回歸模型的估計(jì)及變量選擇
- 連續(xù)型協(xié)變量區(qū)間刪失時(shí)的線性回歸模型.pdf
- 1402.線性模型中的參數(shù)估計(jì)及穩(wěn)健變量選擇方法研究
- 線性回歸模型論文回歸模型論文
評(píng)論
0/150
提交評(píng)論