|
|||||
|
|
| 基于L曲线方法的Lasso正则化参数选择 | |
| 引用本文： | 吴炜明,王延新.基于L曲线方法的Lasso正则化参数选择[J].西南师范大学学报(自然科学版),2022(1):36-42. |
| 作者姓名： | 吴炜明 王延新 |
| 作者单位： | 1. 宁波工程学院理学院;2. 安徽工业大学商学院 |
| 基金项目： | 全国统计科学研究项目(2019LY06)；;浙江省自然科学基金资助项目(LY18A010026)；;国家级大学生创新创业训练计划项目(201911058025)；;宁波市自然科学基金项目(2021J143)； |
| 摘 要： | 大数据背景下，基于罚函数的正则化方法是高维数据变量选择的重要方法. Lasso估计是常用的变量选择方法，而Lasso正则化参数的取值直接影响选择模型的性能，是正则化方法成败的关键.针对Lasso估计，提出一种新的L曲线(LC)准则选择正则化参数.数值模拟和实际应用表明：相比CV,GCV,BIC等准则，LC准则能够以较高的概率选择真实的模型，并且具有较小的模型误差. |
| 关 键 词： | 高维数据 变量选择 Lasso LC准则 正则化参数 |
