Model selection consistency of generalized information criteria for m-estimators in high dimensionsa unified framework

Resumo

M-estimadores regularizados são altamentes utilizados nas ciências, por conta das suas habil- idades em ajustar modelos mais simples, de baixa dimensão, em cenários de alta dimensão. Alguns esforços recentes nessa área focaram na criação de um arcabouço teórico unificado, e no estabelecimento de condições suficientes para consistência e consistência em seleção de modelo. Neste trabalho, nós usamos o mesmo arcabouço para provar consistência de seleção de modelo do GIC e a Pathconsistency de M-estimadores regularizados. Neste caso, Pathconsistency significa que uma sequência de submodelos contém o modelo real com probabilidade convergindo à um. Isso possibilita o uso do GIC para seleção de modelo em alta dimensão. A seguir, nós ilustramos essas condições em alguns exemplos, incluindo a estimação do suporte de vetores esparsos e grupo-esparsos, para algumas funções de perda.

Ficha do documento

Tipo

Dissertação

Ano

2019

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Não informado

Identificador

oai:repositorio.fgv.br:10438/27410

Temas

Dados

Palavras-chave

PathconsistencyGICM-estimatorsModel SelectionM-estimadoresSeleção de ModeloMatemáticaEstatística matemáticaModelos matemáticosAnálise multivariadaAnálise de covariância