基于稀疏聚类的高维数据特征选择及应用
文献类型：期刊
作者：张陶陶[1]
机构：中国人民大学应用统计科学研究中心;中国人民大学统计学院;新疆财经大学新疆社会经济统计研究中心;新疆财经大学统计与信息学院;兰州财经大学统计学院
年：2017
期刊名称：统计与决策
期：04
页码范围：18-24
增刊：正刊
收录情况：中文核心期刊要目总览
所属部门：统计学院
语言：中文
ISSN：1002-6487
关键词：稀疏聚类;高维数据;聚类;特征选择
摘要：文章研究了一种高维数据聚类特征选择方法——稀疏聚类,稀疏聚类是通过对特征变量赋予权重,并添加lasso惩罚因子,压缩权重,得到对变量的权重排序,即重要性排序,使其在进行分类预测的同时达到自动剔除冗余变量的效果,从而起到了对高维数据聚类时的特征选择作用。将此方法运用于中国环保问题,将中国31个省份根据环保情况分为3类,并从现有的104个环保指标中筛选得到20个重要指标。
作者其他论文
有监督Group MCP方法的稳健性研究.李淞淋;李扬;易丹辉.统计与信息论坛.2014,11-17.
对PLS路径模型在综合评价应用中"优势"的审视.斯介生;李扬;肖宏伟,等.现代管理科学.2014,105-107.
基于分位回归的国家形象影响因素分析.李泽昱;苏宇楠;田茂再.统计研究.2014,31(8),59-65.
两岸交流对台湾民众的影响研究:利益,认同与投票行为.于强;耿曙;李扬.理论月刊.2015,111-117.
面板数据模型的惩罚似然变量选择方法研究.李扬;曾宪斌.统计研究.2014,31(3),83-89.
