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
- 2017.7
- 수록면
- 721 - 731 (11page)
이용수
초록· 키워드
오류제보하기
이 연구에서는 Lasso 페널티 방법을 이용한 주성분분석 방법을 소개한다. 주성분분석에 Lasso 페널티를 적용하는 방법으로 흔히 사용되는 방법은 크게 두 가지가 있다. 첫 번째 방법은 주성분을 반응변수로 놓고 원 자료행렬을 설명변수로 하는 회귀분석의 회귀계수를 이용하여 최적의 선형결합 벡터를 구할 때 Lasso 페널티 (일반적으로 elastic net 페널티)를 부과하는 방법이다. 두 번째 방법은 원자료행렬을 비정칙값 분해로 근사하고 남은 잔차행렬에 Lasso 페널티를 부과하여 최적의 선형결합 벡터를 구하는 방법이다. 이 연구에서는 주성분 분석에 Lasso 페널티를 부과하는 이 두 가지 방법들을 자세하게 개관하는데, 이 방법들은 변수 숫자가 표본크가보다 큰 경우에도 적용가능한 장점이 있다. 또한 실제 자료분석에서 R 프로그램을 통해 두 방법을 적용하고 그 결과를 비교한다. 구체적으로 변수 숫자가 표본크기보다 큰 Ahamad (1967) 의 crime 자료에 적용한다.
목차
요약
1. 머리말
2. Lasso 페널티에 기반한 주성분분석 방법
3. 실제 자료 적용 예제
4. 결론
References
Abstract
참고문헌 (14)
참고문헌 신청
Ahamad, B. (1967). An analysis of crimes by the method of principal components. Applied Statistics, 16, 17-35.
Eckart, C. and Young, G. (1936). The approximation of one matrix by another of low rank. Psychometrika, 1, 211-218.
Friedman, J., Hastie, T. and Tibshirani, R. (2008). Regularization paths for generalized linear models via coordinate descent. Journal of Statistical Software, 33, 1-22.
Johnson, R. A. and Wichern, D. W. (1992). Applied multivariate statistical analysis, 3rd Ed., Prentice Hall, New Jersey.
Jolliffe, I., Trendafilov, N. and Uddin, M. (2003). A modified principal component technique based on the lasso. Journal of Computational and Graphical Statistics, 12, 531-547.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
계층적 벌점함수를 이용한 주성분분석
응용통계연구
2017 .02
-
주성분 회귀에서 원변수의 신뢰구간 구축에 관한 연구
Journal of The Korean Data Analysis Society
2020 .01
-
공간자료 주성분분석
응용통계연구
2017 .06
-
Variable Selection with Nonconcave Penalty Function on Reduced-Rank Regression
CSAM(Communications for Statistical Applications and Methods)
2015 .01
-
Prediction of essential genes in prokaryote based on artificial neural network
Genes & Genomics
2020 .01
-
변동계수행렬을 이용한 주성분분석
응용통계연구
2015 .06
-
Principal Component Regression by Principal Component Selection
CSAM(Communications for Statistical Applications and Methods)
2015 .03
-
주성분 회귀모형의 베이지안 분석
한국데이터정보과학회지
2019 .03
-
Probabilistic penalized principal component analysis
CSAM(Communications for Statistical Applications and Methods)
2017 .03
-
구간형 자료의 주성분 분석에 관한 연구
응용통계연구
2020 .02
-
An Additive Sparse Penalty for Variable Selection in High-Dimensional Linear Regression Model
CSAM(Communications for Statistical Applications and Methods)
2015 .03
-
희소주성분분석을 이용한 텍스트데이터의 단어선택
응용통계연구
2023 .12
-
A DUAL ITERATIVE SUBSTRUCTURING METHOD WITH A SMALL PENALTY PARAMETER
대한수학회지
2017 .01
-
An efficient algorithm for sliding window based incremental principal components analysis
대한수학회지
2020 .01
-
Concave penalized linear discriminant analysis on high dimensions
CSAM(Communications for Statistical Applications and Methods)
2024 .07
-
SMOOTHING APPROXIMATION TO l<sub>1</sub> EXACT PENALTY FUNCTION FOR CONSTRAINED OPTIMIZATION PROBLEMS
Journal of applied mathematics & informatics
2015 .01
-
두 층 관측 기상인자의 주성분-다중회귀분석으로 도출되는 고농도 미세먼지의 부산-서울 지역차이 해석
대기
2021 .03
-
A convenient approach for penalty parameter selection in robust lasso regression
CSAM(Communications for Statistical Applications and Methods)
2017 .11
-
Classification via principal differential analysis
CSAM(Communications for Statistical Applications and Methods)
2021 .03
-
지하수 수질 특성인자 DB 구축에서 주성분 분석을 이용한 자료 검토 효과 분석
대한지질학회 학술대회
2020 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Fused lasso 회귀 모형 기반의 대학병원 수익성에 대한 요인 연구
이지훈
,
박진철
,
유동현
한국데이터정보과학회지
2018
.01
Empirical Evidence on the Determinants of Free Trade Agreements : Big Data Analysis Using Lasso Regression
Jaeyoung Roh
한국관세학회 학술대회
2017
.11
Lasso를 이용한 건설장비 수요 예측
도형록
,
유재홍
,
손지은
외 3명
대한산업공학회 춘계공동학술대회 논문집
2015
.04
건전성 지표 기반 주성분분석(PCA)을 적용한 고용량 배터리 팩의 열화 인자 추출 방법 및 SOH 진단 기법 연구
이평연
,
권상욱
,
강덕훈
외 2명
전력전자학회논문지
2020
.10
상대적 계층적 군집 방법을 이용한 마이크로어레이 자료의 군집분석
우숙영
,
이재원
,
전명식
한국데이터정보과학회지
2014
.10
최근 본 자료
댓글(0)
0