High-Dimensional LASSO-Based Computational Regression Models: Regularization, Shrinkage, and Selection

弹性网正则化 Lasso(编程语言) 特征选择 回归 普通最小二乘法 正规化(语言学) 回归分析 收缩率 计算机科学 线性回归 人工智能 机器学习 选型 偏最小二乘回归 数学 统计 计量经济学 万维网
作者
Frank Emmert‐Streib,Matthias Dehmer
出处
期刊:Machine learning and knowledge extraction [Multidisciplinary Digital Publishing Institute]
卷期号:1 (1): 359-383 被引量:179
标识
DOI:10.3390/make1010021
摘要

Regression models are a form of supervised learning methods that are important for machine learning, statistics, and general data science. Despite the fact that classical ordinary least squares (OLS) regression models have been known for a long time, in recent years there are many new developments that extend this model significantly. Above all, the least absolute shrinkage and selection operator (LASSO) model gained considerable interest. In this paper, we review general regression models with a focus on the LASSO and extensions thereof, including the adaptive LASSO, elastic net, and group LASSO. We discuss the regularization terms responsible for inducing coefficient shrinkage and variable selection leading to improved performance metrics of these regression models. This makes these modern, computational regression models valuable tools for analyzing high-dimensional problems.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Wangrong025完成签到,获得积分10
刚刚
小拳头完成签到,获得积分10
1秒前
Jaaay发布了新的文献求助10
1秒前
yhvh关注了科研通微信公众号
2秒前
2秒前
Oct_Y完成签到,获得积分10
2秒前
乐Price完成签到,获得积分10
2秒前
科目三的应助被朱通采纳,获得10
3秒前
还酹江月完成签到,获得积分10
3秒前
3秒前
111完成签到 ,获得积分10
3秒前
领导范儿的应助被幻天游采纳,获得10
3秒前
小梦游完成签到,获得积分10
3秒前
张半首完成签到,获得积分20
3秒前
简单乐荷完成签到,获得积分10
4秒前
ludd2发布了新的文献求助20
4秒前
阿Z完成签到 ,获得积分10
4秒前
2003110lyt发布了新的文献求助10
4秒前
adi完成签到 ,获得积分10
4秒前
ZIYE的应助被小帅采纳,获得10
4秒前
小白鼠发布了新的文献求助10
5秒前
5秒前
Lynette完成签到 ,获得积分0
5秒前
6秒前
罗布林卡完成签到,获得积分0
6秒前
高山完成签到,获得积分0
6秒前
完美世界的应助被shen采纳,获得10
6秒前
xnzll完成签到,获得积分10
6秒前
无语的成仁完成签到,获得积分10
6秒前
zaaaz完成签到,获得积分10
6秒前
Lonely樱木完成签到,获得积分10
7秒前
7秒前
英俊的铭的应助被锦山秋采纳,获得10
8秒前
8秒前
8秒前
钎宝的宝宝完成签到,获得积分10
8秒前
科研南完成签到 ,获得积分10
8秒前
诚心香菇完成签到,获得积分10
9秒前
9秒前
hqt完成签到,获得积分10
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173962
求助须知:如何正确求助?哪些是违规求助? 9566073
关于积分的说明 21784460
捐赠科研通 7768184
什么是DOI,文献DOI怎么找? 3431663
关于科研通互助平台的介绍 2555907
邀请新用户注册赠送积分活动 2476936