WFEN 的贝叶斯估计及在高维预测模型中的应用

摘要：

针对传统收缩估计中难以进行统计推断以及无法同时确定惩罚因子问题，在权融合弹性网回归（WFEN）的基础上，给出其 Gibbs 层次抽样模型并构造相应的贝叶斯估计量（Bayesian WFEN，BWFEN）。该算法根据 Expectation-Maximization 方法同时确定估计中的两个惩罚因子，并基于回归系数的经验后验分布计算估计量标准误差和进行变量选择。模拟实验表明，BWFEN 的迭代过程具有良好的收敛性，在面对稀疏预测模型或者模型中的预测变量存在群组效应时具有较低的相对预测误差和较高的变量选择精度。在博客回复数预测模型的实际应用中，BWFEN 也显著优于其他收缩估计方法。

关键词：收缩估计、权融合弹性网回归、贝叶斯估计、EM算法

分类号：TP183(自动化基础理论)

资助基金：天津哲学社会科学规划项目TJTJ13-002

在线出版日期：2016-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：161-164