李佳蓓
- 作品数：2 被引量：4H指数：2
- 供职机构：河海大学理学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：理学经济管理更多>>
- 基于贝叶斯Lasso处理异常值及重尾数据的研究被引量：2
- 2018年
- 在高维数据回归问题中,由于数据中往往存在异常值,特别地在一些领域内会出现数据波动异常激烈甚至呈现出厚尾的特性,所以对于这类问题,传统的最小二乘估计很难处理。文章对上述的问题,改进现有的Bayesian Lasso方法,在Bayesian Lasso的Gibbs抽样过程中引入两组潜变量,来模拟模型的随机误差,通过Gibbs抽样以及边缘极大似然法得出参数及潜变量有效的后验分布,提出了一种稳健有效的处理异常值的方法。通过数据仿真以及实例分析,与现有的方法进行比较,结果表明此方法能很好地处理数据中出现异常值以及呈现厚尾特性的数据。
- 王新军朱永忠李佳蓓
- 关键词：异常值
- 贝叶斯变量选择及模型平均的研究被引量：2
- 2015年
- 对多元线性回归问题中的变量选择进行研究,改进现有的贝叶斯自适应抽样(BAS)方法,在实现整体不放回抽样的前提下,局部引进放回抽样的方法,通过数据仿真发现,同样进行贝叶斯模型平均(BMA),改进后的方法预测效果比改进前的BAS预测效果更好。
- 李佳蓓朱永忠王明刚
