Lasso
Lasso的相关文献在2003年到2022年内共计322篇,主要集中在自动化技术、计算机技术、经济计划与管理、财政、金融
等领域,其中期刊论文233篇、会议论文1篇、专利文献88篇;相关期刊148种,包括统计与信息论坛、统计研究、中国卫生统计等;
相关会议1种,包括2003均匀试验设计学术研讨会等;Lasso的相关文献由888位作者贡献,包括凌丹、孙军伟、宋昕等。
Lasso
-研究学者
- 凌丹
- 孙军伟
- 宋昕
- 王妍
- 王延峰
- 王彤
- 王立东
- 王英聪
- 赵学科
- 刘飞
- 史建琦
- 吴苑斌
- 喻胜华
- 姜素霞
- 杨飞飞
- 栾小丽
- 王祥丰
- 黄春
- 黄滟鸿
- 刘进
- 卞希慧
- 孙佳楠
- 施万锋
- 李建波
- 李翔
- 李钧涛
- 杨武岳
- 王延新
- 王琦
- 田茂再
- 胡学钢
- 谭小耀
- 陈秋
- 马学俊
- Behrouz Madahian
- 丁一鹏
- 丁毅涛
- 丁莹
- 于焕云
- 于翠屏
- 任淑军
- 任韬
- 伍鹏程
- 余厦莅
- 俞奎
- 傅迎华
- 农秋红
- 冯恩波
- 刘俊
- 刘元安
-
-
黄登香;
卢春婷
-
-
摘要:
宫颈癌是世界上严重危害女性健康的恶性肿瘤之一,所幸的是,这种疾病是可以预防的。预防或早期发现是一个具有挑战性的难题,本文利用Lasso方法、Adaptive Lasso方法、Elastic net方法和Adaptive Elastic net方法通过宫颈癌行为风险数据集建立Logistic模型,以帮助进行宫颈癌早期检测和筛查。从实验结果看,Lasso方法表现更优。
-
-
王小燕;
周思敏;
徐晓莉;
周四军
-
-
摘要:
碳交易作为实现低碳经济的一种途径,既具有环境效益,又具有经济效益。为了研究碳排放权价格的影响因素,选取广州碳排放权交易所的碳配额价格收盘价(GDEA)为研究对象,从6个维度构建了24个指标:国际碳价、国内外经济指标、国外能源指标、国内能源指标、气候环境和宏观政策,并将指标间复杂的相关关系纳入模型来改进指标筛选效果。首先基于复杂网络理论构建了24个指标的图结构,表示它们的复杂联动关系,再建立图结构自适应Lasso方法(G-AdLasso)进行影响因素识别。研究发现:指标之间存在无可忽视的中等或高度相关,依据两两相关关系建立图结构时,上述24个指标可被分为6个团体,体现了指标的内部关系。同时G-AdLasso选择出了10个因素,其中欧盟核证减排量收盘价影响最为显著,欧盟EUA收盘价、迪拜原油现货价、美元兑人民币中间价4个因素对GDEA有正向影响;欧盟CER收盘价、NYMEX天然气期货收盘价、欧洲三港DES ARA动力煤指数、广州工业天然气市场价、广州日最高气温、银行间7日同业拆借平均利率、欧元兑人民币中间价7个因素对GDEA有负向作用;这些因素在上述6个维度上均有涉及,且它们在图结构中具有较高的度,说明G-AdLasso可识别出图结构中较重要的指标。对比不带图结构的自适应Lasso和Lasso方法,G-AdLasso方法选择更少的指标,说明该方法可优化和精简模型。
-
-
王航;
陆雯;
李力
-
-
摘要:
目的 探讨新型冠状病毒肺炎(COVID-19)疫情期间医务人员心理焦虑状况及其影响因素,并构建焦虑风险评分模型,为开展心理咨询服务和采取针对性的干预措施提供参考。方法 选取福建省立医院的2299名医务人员为调查对象,随机分为训练组和验证组,采用汉密尔顿焦虑量表评估焦虑状况。训练组中应用LASSO回归筛选焦虑相关的影响因素,计算焦虑风险评分,将所有医务人员划分入三个风险亚组(低危、中危和高危组),并在验证组中验证。结果 共212名医务人员(9.2%)发生焦虑。通过LASSO回归筛选出年龄、婚姻状况、工作范围、恐惧评分、担心工作不被理解、担心与亲友隔离等8个与焦虑相关的变量,中危组和高危组的焦虑风险分别是低危组的2.797倍(95%CI:1.097~7.128)和14.721倍(95%CI:6.217~34.860)。训练组和验证组中焦虑风险评分模型的预测效果良好,一致性指数(C-statistics)值分别为0.798和0.742。结论 医务人员在COVID-19疫情期间表现出不同程度的焦虑症状,通过筛选焦虑相关影响因素,构建风险评分模型,有助于识别焦虑高风险群体并及时采取心理健康干预措施。
-
-
杨耀;
李四海
-
-
摘要:
基于目前肿瘤基因表达谱数据在医学相关结合行业的广泛普及,运用特征选择算法对其处理成了如今大量学者们的重点研究方向。基于此,提出了一种FCBF-Lasso结合算法。首先,采用FCBF算法对各基因数据集进行特征选择,通过删除冗余的和不相关的特征,得到特征子集;然后,再利用Lasso方法对得到特征子集进行特征选择,进一步地删除冗余特征,得到对应基因数据集的最优特征子集。算法采用FCBF算法的对称不确定性和Lasso方法的最小残差平方和作为度量特征之间以及特征与类之间相关性的评价准则,在一定程度上克服了两种算法的缺点。在6个基因数据集上与其它3种经典的特征选择算法进行比较,结果表明算法在选择最少特征数的最优特征子集和分类精度方面具有很好的优势。
-
-
任晶晶;
高上彬
-
-
摘要:
地方财政收入是国家财政收入的重要组成部分,结合地方财政收入的构成内容及其影响因素,采用科学的预测方法对其进行预测,对提高财政决策质量、合理安排财政支出具有重要意义。采用机器学习常用算法,通过对吕梁市2006—2019年地方财政收入及其影响因素的历史数据进行相关性及Lasso回归分析,筛选出影响地方财政收入的关键因素,然后基于灰色预测GM(1,1)建立单个影响因素预测模型,在此基础上,基于支持向量回归SVR建立地方财政收入预测模型,模型使用Python及其第三方库作为实现工具,得到吕梁市未来两年的地方财政收入预测值。实验结果表明,预测模型精度较高,可作为地方政府制定相关财政政策的参考依据。
-
-
张程瑞;
陈俊杰;
郭浩
-
-
摘要:
鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其是在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有相关研究对脑功能超网络的动力学特性——鲁棒性展开分析。针对这些问题,文中首先引入lasso,group lasso和sparse group lasso方法来求解稀疏线性回归模型以构建超网络;然后基于蓄意攻击中的节点度和节点介数攻击两种实验模型,利用全局效率和最大连通子图相对大小探究脑功能超网络在应对攻击时的节点失效网络的鲁棒性,最后通过实验进行对比分析,以探究更为稳定的网络。实验结果表明,在蓄意攻击模式下,group lasso和sparse group lasso方法构建的超网络的鲁棒性更强一些。同时,综合来看,group lasso方法构建的超网络最稳定。
-
-
曾维佳;
张日权
-
-
摘要:
Lasso是机器学习中比较常用的一种变量选择方法,适用于具有稀疏性的回归问题.当样本量巨大或者海量的数据存储在不同的机器上时,分布式计算是减少计算时间提高效率的重要方式之一.本文在给出Lasso模型等价优化模型的基础上,将ADMM算法应用到此优化变量可分离的模型中,构造了一种适用于Lasso变量选择的分布式算法,证明了该算法的收敛性;同时,我们通过数值实验,将本文构造的分布式算法与循环坐标下降法和ADMM算法进行了比较分析,结果显示在处理样本集大的稀疏性回归问题时,本文提出的算法的计算时间和误差都小于其他两种算法.
-
-
李坤;
王潜心;
闵扬海;
龚佑兴;
苗伟;
程彤
-
-
摘要:
为了解决最小二乘估计(least squares estimation,LSQ)算法在处理高维度数据模型式时易产生模型过拟合、预报精度不高等问题,采用LASSO算法(least absolute shrinkage and selection operator)对附有周期项的二次多项式模型进行整体求解,分析6,12,18,24 h预报精度。结果表明,LASSO算法能有效避免模型参数求解的过拟合问题,极大提高二次多项式模型的预报精度,随着预报时间增加,LASSO算法优势愈加明显。
-
-
陈彬宸;
蔡风景
-
-
摘要:
针对金融资产的动态变化特征,构建动态时变的Lasso图模型理论,通过局部组套索惩戒施加于结构化平稳的模型,以图模型结构时变为前提,进行结构化平稳处理.将无向图模型方法应用于我国2014年1月―2020年3月股市的高维数据建模,利用Lasso方法给出精度矩阵的估计,从而识别得到上证380个股和带有权重的行业指数的图模型结构.实证研究结果表明:不同时点的上证380个股和行业的图模型结构均存在较大差异,股票关联结构呈现动态变化特征.快速上升期(牛市)和快速下跌期(熊市),个股和行业图模型边连接较多,关联结构较强;震荡期,个股和行业图模型边数量较少,关联性相对较弱.
-
-
赵明清;
席甜甜
-
-
摘要:
基于结构风险最小化原则,提出了可以实现高维数据降维的线性EIV模型参数的LASSO估计(LE)方法,并给出了其数值解的迭代算法。为说明LE方法的有效性,通过实证与WTLS、LS两种方法进行了对比分析。结果表明,LE方法能够明显提高预测精度,具有更强的泛化能力,同时可以实现变量选择,达到高维数据降维的目的。