正则化序数回归与ordinalNet R软件包
摘要：正则化技术如套索(Tibshirani 1996)和弹性网(Zou and Hastie 2005)可以用于改进回归模型系数估计和预测准确性，以及进行变量选择。有序回归模型被广泛应用于一些需要使用正则化的应用中；然而，这些模型在许多流行的正则化回归软件中没有包含在内。我们提出了一种坐标下降算法，用于拟合具有弹性网惩罚项的广泛类别的有序回归模型。此外，我们证明了该类别中的每个模型可以推广为更灵活的形式，例如适应无序分类数据。我们引入了一种适用于这两种模型形式的弹性网惩罚类别。此外，该惩罚项可以用来将非有序模型收缩为其有序模型。最后，我们介绍了R包ordinalNet，该软件实现了此模型类别的算法。
作者：Michael J. Wurm, Paul J. Rathouz, and Bret M. Hanlon
论文ID：1706.05003
分类：Computation
分类简称：stat.CO
提交时间：2022-09-05