1. 广东金融学院信用管理系,广州 510521; 2. 中央民族大学理学院,北京 100081
出版日期:
2018-06-25发布日期:
2018-08-21Frequentist Model Averaging for High Dimensional Poisson Models
ZHOU Jianhong1 ,ZHAO Shangwei21. Department of Credit Management, Guangdong University of Finance, Guangzhou 510521; 2. College of Science, Minzu University of Chinese, Beijing 100081
Online:
2018-06-25Published:
2018-08-21摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
当有很多候选模型并且不确定使用哪个模型时, 模型平均是一种值得采用的方法.} 相对于单个模型, 模型平均通常能够提高预测精度. 文章提出了高维泊松回归的模型平均方法, 证明了其最优性质, 并通过数值模拟发现该方法能够提高计数变量的预测精度. 同时, 考虑到高维数据下, 候选模型过多的问题, 文章也提出了一种新的模型筛选方法: 基于最小角回归 (LARS) 的LASSO (或ALASSO) 修正算法的模型筛选方法. 该种方法, 可以大大减少计算负担. 数值模拟也显示了该方法有很好的表现.
分享此文: