Model Selection for Exponential Power Mixture Regression Models

Finite mixture of linear regression (FMLR) models are among the most exemplary statistical tools to deal with various heterogeneous data. In this paper, we introduce a new procedure to simultaneously determine the number of components and perform variable selection for the different regressions for...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Entropy (Basel, Switzerland) Ročník 26; číslo 5; s. 422
Hlavní autoři:	Jiang, Yunlu, Liu, Jiangchuan, Zou, Hang, Huang, Xiaowen
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Switzerland MDPI AG 01.05.2024
Témata:	Algorithms Approximation Consistency exponential power distribution Feature selection finite mixture of linear regression models Lagrange multiplier Maximization Mixtures modified EM algorithm Normality Numerical analysis Optimization Parameter modification Regression models Simulation methods Sparsity Statistical analysis variable selection Variables Iran exponential power distribution finite mixture of linear regression models variable selection modified EM algorithm
ISSN:	1099-4300, 1099-4300
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!