arrow
返回

Covariance Estimation for Wide Data

delete2026-05-29
delete0
delete
OA
AI
E
Eran Raviv *
DOI:10.1002/wics.70068delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
协方差矩阵的可靠估计是多变量分析的基础,其重要性仅次于均值。其准确性直接影响经济学、金融学、化学、健康科学、生物信息学、气候研究、信号处理和社会网络分析等领域的应用。现代数据环境通常涉及宽数据,其中变量数量与或超过观测数量,导致经典估计量不稳定或奇异。本文综述了高维协方差估计的最新进展,重点关注阈值处理程序、线性与非线性的收缩方法、基于图模型的方法以及利用随机矩阵理论的估计技术。提出了一个统一的分类法,将这些多样化的技术组织在一个单一的概念框架下,强调它们之间的联系,并指导在宽数据设置中选择合适的估计量。
Keyword:
graphical models
high-dimensional covariance estimation
random matrix theory
regularization methods
shrinkage methods
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

W
wires computational statistics
IF:
0
论文数:
7
被引数:
0

机构

E
erasmus university
学者数:
266
论文数: 128
被引数: 2
引用论文

引用论文

err分享
err收藏
High-dimensional graphs and variable selection with the Lasso
err2006-06-01
err2.9K
errOAAI
errMeinshausen, Nicolai; Buehlmann, Peter
err分享
err收藏
RANDOM MATRIX THEORY AND FINANCIAL CORRELATIONS
err2011-11-21
err0
PREAI
errLAURENT LALOUX; PIERRE CIZEAU; MARC POTTERS; JEAN-PHILIPPE BOUCHAUD
err分享
err收藏
学者 查看更多内容