Rank theory approach to ridge, LASSO, preliminary test and Stein‐type estimators: A comparative study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In the development of efficient predictive models, the key is to identify suitable predictors to establish a prediction model for a given linear or nonlinear model. This paper provides a comparative study of ridge regression, least absolute shrinkage and selector operator (LASSO), preliminary test (PTE) and Stein‐type estimators based on the theory of rank statistics. Under the orthonormal design matrix of a given linear model, we find that the rank‐based ridge estimator outperforms the usual rank estimator, restricted R‐estimator, rank‐based LASSO, PTE and Stein‐type R‐estimators uniformly. On the other hand, neither LASSO nor the usual R‐estimator, preliminary test and Stein‐type R‐estimators outperform the other. The region of dominance of LASSO over all the R‐estimators (except the ridge R‐estimator) is the sparsity‐dimensional interval around the origin of the parameter space. We observe that the L 2 ‐risk of the restricted R‐estimator equals the lower bound on the L 2 ‐risk of LASSO. Our conclusions are based on L 2 ‐risk analysis and relative L 2 ‐risk efficiencies with related tables and graphs. The Canadian Journal of Statistics 46: 690–704; 2018 © 2018 Société statistique du Canada
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle