楼主: 风之王
21246 10

请教什么是shrinkage estimator [推广有奖]

  • 0关注
  • 0粉丝

已卖:509份资源

硕士生

18%

还不是VIP/贵宾

-

威望
0
论坛币
3589 个
通用积分
0.1200
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
1143 点
帖子
106
精华
0
在线时间
4 小时
注册时间
2005-11-15
最后登录
2016-6-14

楼主
风之王 发表于 2008-3-6 21:11:00 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
请教什么是shrinkage estimator
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:shrinkage estimator Tima Age Est 请教 estimator shrinkage

回帖推荐

飘洒 发表于5楼  查看完整内容

岭估计就是一种压缩估计,就是将影响小的变量的系数进一步压小,这要依赖于其中的参数。为解释的清晰就是选择变量,如现在流行的LASSO,SCAD,BRIDGE,ALASSO等都是这种方法,在经典的教材中一般都是逐步回归(前进和后退法来选择变量),现在一般用以上提到的方法来进行选择变量,这些新提出的方法的优点是效率很高,计算方便,如SCAD可以同时进行变量选择和参数估计。

本帖被以下文库推荐

沙发
wesker1999 发表于 2008-3-6 21:32:00

收缩估计

[此贴子已经被作者于2008-3-7 4:49:22编辑过]

藤椅
风之王 发表于 2008-3-10 10:04:00
能否将明白点?

板凳
edragon1983 发表于 2010-1-11 10:06:54
同问!哪位能给个详细点的介绍?谢谢!

报纸
飘洒 发表于 2010-1-11 17:44:11
岭估计就是一种压缩估计,就是将影响小的变量的系数进一步压小,这要依赖于其中的参数。为解释的清晰就是选择变量,如现在流行的LASSO,SCAD,BRIDGE,ALASSO等都是这种方法,在经典的教材中一般都是逐步回归(前进和后退法来选择变量),现在一般用以上提到的方法来进行选择变量,这些新提出的方法的优点是效率很高,计算方便,如SCAD可以同时进行变量选择和参数估计。
已有 1 人评分论坛币 收起 理由
我的素质低 + 2 精彩帖子

总评分: 论坛币 + 2   查看全部评分

It is not entirely satisfying but the alternatives are worse!
统计人

地板
xuelida 在职认证  发表于 2010-1-11 18:07:03
不错,又学到新的知识了,这种方法还是有很大应用的

7
爱萌 发表于 2010-1-12 15:20:00
学习了
最恨对我说谎或欺骗我的人

8
glxyu 发表于 2012-10-11 10:49:38
爱萌 发表于 2010-1-12 15:20
学习了
学习了

9
zbeyondiee 发表于 2013-1-14 21:58:12
就是一种提高估计效率的的估计量,
有兴趣的坛友可以参考如下两篇文章:
Regression, Prediction and Shrinkage
Regression Shrinkage and Selection via the Lasso Regression Shrinkage and Selection via the Lasso
Keep my brain working

10
luv4all@163.com 发表于 2015-12-3 16:54:01
Shrinkage estimator are weighted averages of historical data and some other estimate, where the weights and other estimates are defined by the analyst. Shrinkage estimators reduce(shrink) the influence of historical outliers through the weighting process. The mean return and covariance are the parameters most often adjusted with shrinkage estimators. This tool is most useful when the data set is too small that historical values are not reliable estimates of future parameters.
已有 2 人评分论坛币 收起 理由
shahaifeng + 2 精彩帖子
我的素质低 + 2 精彩帖子

总评分: 论坛币 + 4   查看全部评分

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2025-12-5 14:00