Biblioteca122.739 documentos en línea

Artículo

A Two-Stage Regularization Method for Variable Selection and Forecasting in High-Order Interaction ModelUn Método de Regularización de Dos Etapas para la Selección de Variables y Pronósticos en un Modelo de Interacción de Alto Orden

Resumen

Los modelos de pronóstico con interacción de alto orden se han vuelto populares en muchas aplicaciones, ya que los investigadores gradualmente se dan cuenta de que un modelo lineal aditivo no es adecuado para pronósticos precisos. Sin embargo, el excesivo número de variables con un tamaño de muestra bajo en el modelo plantea desafíos críticos para la precisión de la predicción. Para mejorar la precisión de pronóstico y la velocidad de entrenamiento simultáneamente, es esencial un modelo interpretable en la recuperación de conocimiento. Para lidiar con la ultra alta dimensionalidad, este artículo investiga y estudia un procedimiento de dos etapas para exigir dispersión dentro del modelo de interacción de alto orden. En cada etapa, se aplica el método de la raíz cuadrada de la penalización de ridge duro (SRHR) para descubrir las variables relevantes. La aplicación de la función de pérdida de raíz cuadrada facilita el trabajo de ajuste de parámetros. Por otro lado, la función de penalización de ridge duro es capaz de manejar tanto la alta multic

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento