Lasso regresija ar empīrisko ticamības funkciju

Abstract

Maģistra darbs iepazīstina ar daudzdimensijas regresijas metodēm - lasso, adaptētais lasso un scad - un to praktiskiem piemēriem. Tiek aprakstīta soda funkcija, kas palīdz veikt regresijas modeļa neatkarīgo mainīgo atlasi, un orākula procedūra ar orākula īpašībām, kas ir svarīgs nosacījums modeļiem ar labu prognozēšanas spēju. Darbā tiek parādīts reāls pielietojums sociālo darbinieku noslodzes mērījumos. Turpinājumā tiek aplūkota empīriskā ticamība ar soda funkciju, kurai ilustrēta orākula procedūra.

In this master's thesis various high dimensional regression methods are surveyed and applied to data, such as the LASSO, the adapted LASSO and SCAD. The function penalization technique and the oracle procedure are described, both of which are useful in model selection, estimation and forecasting. Social worker employment data are analyzed and predicted upon. Finally the oracle properties of empirical likelihood are described and proved.