高维模型选择方法综述  

Model Selection for High-dimensional Data:A Review

作　　者：李根[1,2] 邹国华[3] 张新雨[3] 

机构地区：[1]北京师范大学数学科学学院,北京100875 [2]北卡罗来纳大学教堂山分校统计与运筹系 [3]中国科学院数学与系统科学研究院,北京100190

出　　处：《数理统计与管理》2012年第4期640-658,共19页Journal of Applied Statistics and Management

基　　金：国家自然科学基金(70625004,11021161,70933003)的资助

摘　　要：模型选择是统计学的热点研究问题。近年来随着数据维数越来越高,传统模型选择方法的应用受到了很多制约。本文着重介绍高维模型选择的新方法,并讨论实现模型选择过程的一个重要环节,即调整参数的选取。最后文章总结归纳了未来可能的研究方向。Model selection is an important issue in Statistics. Traditional model-selection methods, however, meet difficulties with the increasing of data dimension. This paper is devoted to the survey of the model selection methods for high-dimensional data. The choice of tuning parameters is also discussed. Some future research directions are provided.

关 键 词：高维数据 模型选择 惩罚因子 降维 调整参数 

分 类 号：O213.2[理学—概率论与数理统计]