High-dimensional, robust, heteroscedastic variable selection with the adaptive LASSO, and applications to random coefficient regression

High-dimensional, robust, heteroscedastic variable selection with the adaptive LASSO, and applications to random coefficient regression

In this thesis, theoretical results for the adaptive LASSO in high-dimensional, sparse linear regression models with potentially heavy-tailed and heteroscedastic errors are developed. In doing so, the empirical pseudo Huber loss is considered as loss function and the main focus is sign-consistency o...

Ամբողջական նկարագրություն

Պահպանված է:
Մատենագիտական մանրամասներ
Հիմնական հեղինակ: Hermann, Philipp
Այլ հեղինակներ: Holzmann, Hajo (Prof. Dr.) (Ատենախոսության խորհրդական)
Ձևաչափ: Dissertation
Լեզու:անգլերեն
Հրապարակվել է: Philipps-Universität Marburg 2021
Խորագրեր:
sparsity
variable selection
robust regression
Mathematik
high-dimensional regression
linear
sign-consistency
heteroscedasticity
adaptive LASSO
Huber loss
Mathematics
Առցանց հասանելիություն:PDF ամբողջական տեքստ
Ցուցիչներ: Ավելացրեք ցուցիչ
Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!
No references were found for this record.

Նմանատիպ նյութեր