2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩53頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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、分類(lèi)號(hào)Q212:!UDC碩士學(xué)位論文幾種變量選擇方法在Cox模型中的應(yīng)用韋新星論文答辯日期2Q!生旦2旦學(xué)位授予日期2Q!生魚(yú)月三Q旦答辯委員會(huì)主席魚(yú)登趄熬援幾種變量選擇方法在00x模型中的應(yīng)用摘要在生存分析中,Cox模型是處理生存數(shù)據(jù)的經(jīng)典模型隨著大數(shù)據(jù)的盛行,人們面對(duì)高維、強(qiáng)相關(guān)生存數(shù)據(jù)的機(jī)會(huì)越來(lái)越多如何克服傳統(tǒng)Cox模型不能處理上述生存數(shù)據(jù)的缺陷,已成為統(tǒng)計(jì)學(xué)界共同關(guān)注的熱點(diǎn)為解決這一問(wèn)題,本文將變量選擇中比較重要的兩種方法應(yīng)用于

2、Cox模型中,即ElasticNet方法和AdaptiveElasticNet方法具體研究?jī)?nèi)容及結(jié)果如下:一方面,由于ElasticNet方法能有效處理高維小樣本、強(qiáng)相關(guān)變量組數(shù)據(jù),本文將其運(yùn)用于Cox模型的變量選擇中,探討Cox模型下ElasticNet估計(jì)的組效應(yīng)性質(zhì),證明得到ElasticNet方法能將強(qiáng)相關(guān)變量組中的變量全部選入模型,即具有組效應(yīng)性質(zhì)通過(guò)數(shù)值模擬,驗(yàn)證了ElasticNet估計(jì)具有組效應(yīng)性質(zhì),而Lasso方法無(wú)此

3、功效通過(guò)具體實(shí)例,肯定了ElasticNet方法運(yùn)用于Cox模型的可行性,驗(yàn)證了ElasticNet方法的擬合效果和預(yù)測(cè)能力均優(yōu)于逐步法,表明了與ElasticNet方法結(jié)合后的Cox模型優(yōu)于傳統(tǒng)Cox模型另一方面,由于A(yíng)daptiveElasticNet方法對(duì)零變量的估計(jì)優(yōu)于ElasticNet方法,本文將AdaptiveElasticNet方法運(yùn)用于Cox模型的變量選擇中,探討Cox模型下AdaptiveElasticNet估計(jì)的組

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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。

評(píng)論

0/150

提交評(píng)論