Archivio istituzionale della ricerca dell'Università degli Studi di Palermo
IRIS è il sistema di gestione integrata dei dati della ricerca (persone, pubblicazioni, progetti, attività) adottato dall’Università di Palermo, e ha lo scopo di raccogliere, conservare, documentare, e diffondere ad accesso aperto le informazioni relative alla produzione scientifica degli autori afferenti all’Ateneo.
EnglishPenalized regression models are popularly used in high-dimensional data analysis to carry out variable selction and model fitting simultaneously. Whereas success has been widely reported in literature, their performance largely depend on the tuning parameter that balances the trade-off between model fitting and sparsity. In this work we introduce a new tuning parameter selction criterion based on the maximization of the signal-to-noise ratio. To prove its effectiveness we applied it to a real data on prostate cancer disease.
Sottile, G., & Muggeo, V. (2019). A new tuning parameter selector in lasso regression. In G. Arbia, S. Peluso, A. Pini, & G. Rivellini (a cura di), Smart Statistics for Smart Applications - Book of Short Papers SIS2019 (pp. 541-547). Milano : Pearson.
| Data di pubblicazione: | 2019 | |
| Titolo: | A new tuning parameter selector in lasso regression | |
| Autori: | ||
| Citazione: | Sottile, G., & Muggeo, V. (2019). A new tuning parameter selector in lasso regression. In G. Arbia, S. Peluso, A. Pini, & G. Rivellini (a cura di), Smart Statistics for Smart Applications - Book of Short Papers SIS2019 (pp. 541-547). Milano : Pearson. | |
| Abstract: | Penalized regression models are popularly used in high-dimensional data analysis to carry out variable selction and model fitting simultaneously. Whereas success has been widely reported in literature, their performance largely depend on the tuning parameter that balances the trade-off between model fitting and sparsity. In this work we introduce a new tuning parameter selction criterion based on the maximization of the signal-to-noise ratio. To prove its effectiveness we applied it to a real data on prostate cancer disease. | |
| URL: | https://it.pearson.com/content/dam/region-core/italy/pearson-italy/pdf/Dirigenti e istituzioni/ISTITUZIONI-HE-PDF-sis2019_V4.pdf | |
| ISBN: | 9788891915108 | |
| Appare nelle tipologie: | 2.07 Contributo in atti di convegno pubblicato in volume |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| SIS2019_Sottile_Muggeo.pdf | Articolo principale | Versione Editoriale | Administrator Richiedi una copia |
Copyright © 2021