지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2017.11
- 수록면
- 1,291 - 1,300 (10page)
이용수
초록· 키워드
오류제보하기
고차원 자료에서는 관측값의 개수보다 변수의 개수가 과다하게 많은 것이 특징이다. 그러므로 회귀 계수 추정에 있어 관측값의 영향이 매우 클 수 있다. Jang과 Anserson-Cook (2017)은 라쏘추정량 사용시 영향점의 영향을 평가할 수 있는 라쏘 영향그림을 제안하였다. 본 연구에서는 고차원 자료에서 영향점을 평가하기 위한 그래픽 방법들로서 라쏘 영향그림 뿐만 아니라 라쏘 변수선택 순위그림, 삼차원 라쏘 영향그림을 제안하였다. 실세 두 가지 고차원 자료 예들에 영향점들을 찾기 위한 회귀진단 수단으로서 세가지 그래픽 방법들을 사용하여 본 결과 영향점들을 효과적으로 찾아낼 수 있었다.
목차
요약
1. 서론
2. 그래픽 방법
3. 예제
4. 결론
References
Abstract
참고문헌 (11)
참고문헌 신청
Alon, U., Barkai, N., Notterman, D. A., Gish, K., Ybarra, S. Mack, D. and Levine, A. J. (1999). Broad patterns of gene expression revealed by clustering analysis of tumor and normal colon tissue probed by oligonucleotide arrays. Proceedings of National Academy of Science USA, 96, 6745-6750.
Fan, J., Feng, Y., Saldana, D. F., Samworth, R. and Wu, Y. (2017). http://www.stat.columbia.edu/~yangfeng/pubs/jss1375.pdf, Package ‘SIS’.
Fan, J. and Lv, J. (2008). Sure independence screening for ultra-high dimensional feature space. Journal of the Royal Statistical Society Series B, 70, 849-911.
Golub, T. R., Slonim, D. K., Tamayo, P., Huard, C., Gaasenbeek, M., Mesirov, J. P., Coller, H., Loh, M. L., Downing, J. R., Caligiuri, M. A., Bloomfield, C. D. and Lander, E. S. (1999). Molecular classification of cancer: Class discovery and class prediction by gene expression monitoring. Science, 286, 531-537.
Hwang, E. J. and Na, J. H. (2015). Influenza prediction models by using meteorological and social media informations. Journal of theKorean Data & Information Science Society, 26, 1087-1095.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Local Influence in LASSO Regression
Journal of The Korean Data Analysis Society
2016 .12
-
Effect of outliers on the variable selection by the regularized regression
CSAM(Communications for Statistical Applications and Methods)
2018 .03
-
다반응 반응표면분석에서 특이값의 영향을 평가하기 위한 불꽃그림
응용통계연구
2018 .02
-
Adaptive lasso를 이용한 희박벡터자기회귀모형에서의 변수 선택
응용통계연구
2016 .02
-
A Study on Bias Effect on Model Selection Criteria in Graphical Lasso
Quantitative Bio-Science
2018 .11
-
통계적 추론에서 특이점의 영향을 평가하기 위한 탐색적 자료분석 그림도구로서의 불꽃그림
응용통계연구
2018 .02
-
Fused lasso 회귀 모형 기반의 대학병원 수익성에 대한 요인 연구
한국데이터정보과학회지
2018 .01
-
모형 선택 기준들에 대한 LASSO 회귀 모형 편의의 영향 연구
응용통계연구
2016 .06
-
Moderately clipped LASSO for the high-dimensional generalized linear model
CSAM(Communications for Statistical Applications and Methods)
2020 .07
-
비정상 자기회귀모형에서의 벌점화 추정 기법에 대한 연구
응용통계연구
2019 .12
-
선형모형의 선택에 관한 통계적 기계학습: 변수선택법의 비교연구
Journal of The Korean Data Analysis Society
2021 .12
-
로지스틱회귀모형의 평가를 위한 그래픽적 방법
응용통계연구
2015 .12
-
[수소차 글로벌 판매 1등 ①] 넥쏘 글로벌 판매 3만대 돌파 ‘빛과 그림자’
월간수소경제
2023 .03
-
Moderately Clipped LASSO for the Sparse High-Dimensional Logistic Regression Models
Journal of The Korean Data Analysis Society
2015 .01
-
High-dimensional linear discriminant analysis with moderately clipped LASSO
CSAM(Communications for Statistical Applications and Methods)
2021 .01
-
고차원 선형모형에서 벌점화우도 방법을 이용한 변수 선택방법 연구
Journal of The Korean Data Analysis Society
2015 .01
-
Robust penalized estimation via Welsch loss with group Lasso
한국데이터정보과학회지
2021 .05
-
고차원 빅데이터 분석을 위한 통계모형 개발
한국데이터정보과학회지
2020 .11
-
LASSO 방법을 이용한 프라이버시 침해 우려 행태 분석
Journal of The Korean Data Analysis Society
2019 .01
-
An Additive Sparse Penalty for Variable Selection in High-Dimensional Linear Regression Model
CSAM(Communications for Statistical Applications and Methods)
2015 .03
이 논문의 저자 정보
이 논문과 함께 이용한 논문
전력 수요량에 대한 다변량 시계열 군집분석
김인희
,
김재희
한국데이터정보과학회지
2021
.05
A Study on Bias Effect on Model Selection Criteria in Graphical Lasso
Young-Geun Choi
,
Seyoung Jeong
,
Donghyeon Yu
Quantitative Bio-Science
2018
.11
개인의 기업가지향성과 문제해결전략이 새로운 문제 도전에 미치는 영향
김진영
벤처창업연구
2018
.12
창업실패관련 행동적 평가가 창업자기효능감을 매개로 창업의도에 미치는 영향
정대용
,
김재형
경영교육연구
2017
.08
그래프 LASSO에서 모형선택기준의 비교
안형석
,
박창이
한국데이터정보과학회지
2014
.08
최근 본 자료
댓글(0)
0