क्या कोई मुझे "बड़े , छोटे एन " परिणामों पर एक सर्वेक्षण पत्र की ओर इशारा कर सकता है ? मुझे इस बात में दिलचस्पी है कि यह समस्या अलग-अलग शोध संदर्भों, जैसे प्रतिगमन, वर्गीकरण, हॉटेलिंग के परीक्षण, आदि में कैसे प्रकट होती है ।
क्या कोई मुझे "बड़े , छोटे एन " परिणामों पर एक सर्वेक्षण पत्र की ओर इशारा कर सकता है ? मुझे इस बात में दिलचस्पी है कि यह समस्या अलग-अलग शोध संदर्भों, जैसे प्रतिगमन, वर्गीकरण, हॉटेलिंग के परीक्षण, आदि में कैसे प्रकट होती है ।
जवाबों:
मुझे एक भी कागज का पता नहीं है, लेकिन मुझे लगता है कि वर्तमान पुस्तक लागू विधियों के सर्वश्रेष्ठ सर्वेक्षण के साथ अभी भी फ्राइडमैन-हस्ती-टिबशिरानी है। यह संकोचन और लैस्सो के लिए बहुत ही आंशिक है (मैं एक सामान्य परिचित से जानता हूं कि वापनिक पुस्तक के पहले संस्करण में परेशान था), लेकिन लगभग सभी सामान्य संकोचन विधियों को कवर करता है और बूस्टिंग से उनका संबंध दर्शाता है। बूस्टिंग की बात करें तो, बुहल्मन एंड होथोर्न का सर्वेक्षण भी संकोचन के संबंध को दर्शाता है।
मेरी धारणा यह है कि, जबकि वर्गीकरण और प्रतिगमन का विश्लेषण एक ही सैद्धांतिक ढांचे का उपयोग करके किया जा सकता है, उच्च-आयामी डेटा के लिए परीक्षण अलग है, क्योंकि यह मॉडल चयन प्रक्रियाओं के संयोजन में उपयोग नहीं किया जाता है, बल्कि परिवार-वार त्रुटि दर पर ध्यान केंद्रित करता है। वहाँ सबसे अच्छे सर्वेक्षणों के बारे में इतना निश्चित नहीं है। ब्रैड एफ्रॉन के पास अपने पेज पर एक टन कागजात / सर्वेक्षण / पुस्तक है । उन सभी को पढ़ें और मुझे बताएं कि मुझे वास्तव में पढ़ना चाहिए ...
यदि आप एक फिर से शुरू करना चाहते हैं तो शायद यह सबसे अच्छा है जो आप प्राप्त कर सकते हैं
http://www.springer.com/statistics/statistical+theory+and+methods/book/978-3-642-20191-2
हस्ती, टिबशिरानी और फ्राइडमैन का अध्याय 18 (12 वां मुद्रण / दूसरा संस्करण, यह अध्याय पहले संस्करण में नहीं था) कुछ दिलचस्प डेटा सेट के साथ एक अच्छा अवलोकन है। यह पूरी तरह से पुरानी सामग्री के अपने उपचार के रूप में पूरी तरह से नहीं है, और बहुत कुछ समय के लिए उन्हें कुछ व्याख्यात्मक स्पष्टीकरण देना होगा कि क्यों कुछ एल्गोरिदम दूसरों की तुलना में बेहतर काम करते हैं। मुझे यह बहुत उपयोगी लगा कि जिन चीजों को आप अधिक गहराई से जानना चाहते हैं, उनके लिए पेपर पढ़ना बहुत ही उपयोगी है।