Rank theory approach to ridge, LASSO, preliminary test and Stein‐type estimators: A comparative study
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 L2‐risk of the restricted R‐estimator equals the lower bound on the L2‐risk of LASSO. Our conclusions are based on L2‐risk analysis and relative L2‐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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».