Fractional Ridge Regression
分数岭回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是通用惩罚回归与变量选择，未明确涉及所列计量领域细分。
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
分数岭回归
- 研究问题
- 如何让强正则化把回归解收缩到预先指定规模的模型，而非空模型，并将连续收缩与最佳子集选择联系起来？
- 方法与思路
- 作者提出 Fridge 惩罚，非零系数数量不超过目标时惩罚消失，并开发递归惩罚计算、坐标下降和解路径追踪算法。
- 材料陈述的贡献
- 摘要称适当条件下可得渐近正态性、预言性质及强正则化下向最佳子集解收敛，并以模拟和核黄素数据展示表现。
- 阅读关注点
- 应核对惩罚与目标规模的定义、全局和局部解的区别、各理论结果的条件，以及算法和变量选择比较的具体设置。
- 阅读边界
- 仅据 arXiv v3 预印本摘要，不能声称已同行评审或期刊接收。理论条件及性能幅度未说明，系数信号一致也不足以证明普遍优势。
原文摘要
Regularization methods such as the Lasso combine shrinkage and variable selection, but strong penalization drives their solutions toward the null model. We introduce Fractional Ridge (Fridge) regression, a penalized regression method that instead shrinks toward models of a prespecified target size. Its penalty vanishes whenever the number of nonzero coefficients does not exceed that target. This behavior connects continuous shrinkage with best subset selection. We develop an efficient recursive penalty-evaluation algorithm, coordinate descent updates, and a predictor-corrector algorithm for tracing solution paths. Under suitable conditions, we establish asymptotic normality, the oracle property, and convergence of global minimizers to best subset solutions under extreme regularization. Simulation studies demonstrate competitive prediction and variable selection across a range of signal strengths and predictor correlations. An application to riboflavin production data illustrates how Fridge selects a small set of predictors whose leading coefficients agree with signals prioritized by a Bayesian method developed specifically for genetic fine-mapping.