基于加权L1极小化模型选择线性回归模型中的自变量求解  

作　　者：李立亚[1] 郑桃云[2] 

机构地区：[1]湖北第二师范学院数学与统计学院,武汉430205 [2]湖北中医药大学护理学院,武汉430065

出　　处：《统计与决策》2015年第11期13-17,共5页Statistics & Decision

基　　金：国家自然科学基金青年科学基金资助项目(61205196)

摘　　要：文章引进了l1极小化技术,来选择线性回归模型中的自变量。主要是解决一个加权向量的l1极小化问题,使所求向量尽可能稀疏。通过二次规划构想,进行变换,使之成为求解二次规划的问题,然后用GP-SR(稀疏重建的梯度投影)的方法来求解。通过l1极小化理论和数据的稀疏性的应用,就可以大大的减少自变量的个数,从而减轻了回归的计算量并且能保持回归模型的质量。

关 键 词：稀疏性 l1极小化 二次规划 GPSR 

分 类 号：O213[理学—概率论与数理统计]