-
题名基于GPGN算法的泊松回归稀疏优化
- 1
-
-
作者
赵子榕
王思洋
-
机构
中央财经大学统计与数学学院
-
出处
《应用概率统计》
北大核心
2025年第3期393-403,共11页
-
基金
国家自然科学基金项目(批准号:12031016,11971324,11971504)资助。
-
文摘
泊松回归模型作为广义线性回归模型之一,被广泛应用于计数型数据分析.随着计算机技术的迅速发展,获取和存储的变量越来越多,所建立模型越来越复杂.针对泊松回归模型的稀疏优化问题,本文考虑带有L_(0)惩罚的泊松回归稀疏约束模型,应用二阶贪婪投影梯度牛顿(Greedy Projected Gradient Newton,简称GPGN)算法估计参数.通过在合成数据集进行模拟研究说明算法的有效性,并将泊松回归应用于基于Wi-Fi信号预测楼层的建模分析,验证了GPGN算法在泊松回归稀疏约束优化问题中的优良表现.
-
关键词
gpgn算法
泊松回归模型
L0惩罚
稀疏约束
-
Keywords
gpgn algorithm
Poisson regression model
L0 penalty
sparsity constrained
-
分类号
O212.4
[理学—概率论与数理统计]
-
