.png){kind=icon}
返回
Generalized point process additive models
.png){kind=icon}
PRE
AI
DOI：10.1093/jrsssb/qkag061.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种具有标量响应和高维点过程预测变量的广义点过程加性模型。我们的提议基于四个关键组成部分：点过程作为随机计数测量的实现、广义点过程回归框架、通过核嵌入的随机测量的新核函数，以及包括加性模型、降维基表示和稀疏性在内的一套低维结构。我们开发了一种高效的惩罚似然程序进行模型估计，并建立了估计量的一致性和选择一致性，同时允许点过程预测变量的数量发散。我们通过模拟和电子健康记录数据应用来阐述和评估我们的方法。
Keyword:
point process
additive model
high-dimensional data
penalized likelihood
kernel embedding
期刊
J
机构
引用论文
A Nonparametric Graphical Model for Functional Data With Application to Brain Networks Based on fMRI基于fMRI的非参数功能数据图形模型及其在脑网络中的应用
OAAI
OAAI分享收藏Chouldechova, A.; Hastie, T. Generalized Additive Model Selection. arXiv 2015, arXiv:1506.03850. [Google Scholar] [CrossRef]Chouldechova, A.; Hastie, T. 广义加性模型选择. arXiv 2015, arXiv:1506.03850. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏分享收藏
查看更多内容