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...
Guardado en:
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: | |
Acceso en línea: | http://hdl.handle.net/2133/7625 http://hdl.handle.net/2133/7625 |
Aporte de: |
Ejemplares similares
-
Análisis Simbólico de Datos: una potente herramienta para Big Data
por: Mallea, Adriana, et al.
Publicado: (2018) -
Determinación y comparación de perfiles sociales y culturales de estudiantes universitarios
por: Herrera, Myriam, et al.
Publicado: (2014) -
-estimadores penalizados para regresión logística
por: Chebi, Gonzalo
Publicado: (2019) -
-estimadores penalizados para regresión logística
por: Chebi, Gonzalo
Publicado: (2019) -
-estimadores penalizados para regresión logística
por: Chebi, Gonzalo
Publicado: (2019)