Contribuição à geometria analítica dos estimadores LASSO e Elastic Net

Carregando...
Imagem de Miniatura

Notas

Editores

Coorientadores

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Federal de Lavras

Faculdade, Instituto ou Escola

Departamento

Departamento de Estatística

Programa de Pós-Graduação

Programa de Pós-graduação em Estatística e Experimentação Agropecuária

Agência de fomento

Tipo de impacto

Áreas Temáticas da Extenção

Objetivos de Desenvolvimento Sustentável

Dados abertos

Resumo

Os métodos de estimação e seleção de variáveis em modelos lineares LASSO (Least Absolute Shrinkage and Selection Operator) (1996) e Elastic Net (2005) são atualmente amplamente utilizados. Usualmente apresentados como solução de problemas variacionais, nesse trabalho são obtidos utilizando uma abordagem geométrica. Tal abordagem possibilitou a obtenção de propriedades relativas à geometria analítica do método de sua construção o que permitiu uma relação entre o estimador Elastic Net e o estimador Ridge. Também é apresentado um algoritmo para obter o estimador LASSO.

Abstract

The estimation and variable selection methods in the linear models LASSO (Least Absolute Shrinkage and Selection Operator) (1996) and Elastic Net (2005) have been widely used. The estimators are usually presented as a solution to variational problems. In this study, a geometric approach was proposed. Such approach allowed obtaining properties related to the analytical geometry of the method of construction which showed a close relationship between the Elastic Net estimator and the Ridge estimator. An algorithm to obtain the LASSO estimator is also presented.

Descrição

Área de concentração

Agência de desenvolvimento

Palavra chave

Marca

Objetivo

Procedência

Impacto da pesquisa

Resumen

ISBN

DOI

Citação

CARVALHO, L. D. de. Contribuição à geometria analítica dos estimadores LASSO e Elastic Net. 2020. 84 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)–Universidade Federal de Lavras, Lavras, 2020.

Link externo

Avaliação

Revisão

Suplementado Por

Referenciado Por