Regresión lasso bayesiana. Ajuste de modelos lineales penalizados mediante la asignación de priores normales con mezcla de escala

Uno de los desafíos más importantes del análisis estadístico en grandes volúmenes de da-tos es identificar aquellas variables que provean información valiosa, haciendo una selección de variables predictoras. La estimación Lasso (Least Absolute Shrinkage and Selection Ope-rator) para el modelo de reg...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Allasia, María Belén, Branco, Márcia D´Elia, Quaglino, Marta Beatriz
Otros Autores: Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
Formato: conferenceObject documento de conferencia acceptedVersion
Lenguaje:Español
Publicado: 2017
Materias:
Data Mining
Regresión penalizada
Selección de variables
Penalized regression
Variable Selection
Acceso en línea:http://hdl.handle.net/2133/7625
http://hdl.handle.net/2133/7625
Aporte de:
Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) de Universidad Nacional de Rosario

Ejemplares similares

Ejemplares similares