A Confidence Bound Approach to Choosing the Biasing Parameter in Ridge Regression
利用置信界选择岭回归的偏置参数AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用岭回归参数选择，未明确涉及所列因果、宏观或金融细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用置信界选择岭回归的偏置参数
- 研究问题
- 在线性回归设计矩阵病态时，如何用置信界选择岭参数，以围绕均方误差改进目标处理参数选择的不确定性？
- 方法与思路
- 作者定义一个与保持均方误差优势的最大常数岭参数相关的量，再构造其下置信界，并以该界作为岭估计的参数。
- 材料陈述的贡献
- 摘要提出把岭参数选择转化为下置信界构造的方法，并考虑相应估计量；对最终估计量的具体风险保证，摘要未说明。
- 阅读关注点
- 应查原 PDF 核对缺失的比较估计量、参数符号和置信水平，并区分常数岭参数的风险比较与数据驱动参数的风险性质。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；公式存在符号缺漏，需查原 PDF，不宜重构公式或据此推导风险保证。
原文摘要
Consider the multiple linear regression model Y = Xβ + ∈, ∈ ∼ Ň(0, σ2 I) where the matrix S = X' X is ill conditioned. A confidence bound approach is developed for choosing k in the ridge estimator β*(k) = (S + kI)–1 X' Y as follows: A parameter is defined that is essentially the largest (constant) k one could use and still have β*(k)'s mean squared error (MSE) be less than MSE (where is the usual estimate of β). A procedure is then developed to obtain a lower confidence bound k γ for , and the estimator β* ≡ β*(k γ) is considered.