基于Dantzig Selector的迁移学习——应用于广义线性模型

摘要

小样本高维度的n-p问题一直是统计学家的研究热点,不同于传统的变量选择的参数估计方法,在本篇论文中,我们应用迁移学习的相关知识,借用与需要预测数据相关但分布不同的数据,有效的帮助我们解决目标域数据参数的预测问题。我们提出了一种新颖的基于Dantzig selector的两步迁移学习算法,在数值模拟中,我们验证了提出的迁移学习算法在广义线性模型以及不同的协方差数据设计中的稳健性和有效性,这表明提出的算法具有一定的实际应用价值。