Objet : Régression quantile et expectile pénalisée – Statut modifié en : ReconnuObjet : Régression quantile et expectile pénalisée – Statut modifié : EnquêteRégression quantile et expectile pénaliséeChère équipe,
Deux de nos clients académiques ont demandé une régression quantile et expectile pénalisée
Client 1 : Professeur Dr Venkatesh, Université Alliance
Client 2 : Professeur Dr Abhijit, Myra School of Business
Actuellement, ceux-ci ne sont pas disponibles avec JMP17.
Merci
Peinture murale
Modélisation statistique avancéeStatistiques et analysesObjet : Régression quantile et expectile pénalisée – Statut modifié en : NouveauJ'ai divisé cela en deux Jiras.
Nous avons reçu une autre demande de régression quantile pénalisée. Selon le développeur, nous aurions besoin d'implémenter une nouvelle méthode pour faire cela :
"Nous effectuons actuellement une régression quantile dans le genre en utilisant les moindres carrés repondérés de manière itérative. Il est possible que nous puissions utiliser IRLS et une astuce d'augmentation des données pour faire le lasso pour la régression quantile, mais je pense que la méthode du point intérieur est généralement la méthode de prédilection pour effectuer une régression quantile pénalisée (surtout si nous voulions une pénalité nette élastique). Nous aurions donc probablement besoin d'implémenter un solveur de points intérieurs si nous décidions de poursuivre dans cette voie. »
Explorer la possibilité de mise en œuvre dans JMP 19.
Vous pouvez actuellement effectuer une régression attendue sur la plateforme non linéaire. Nous n’avons vu aucune autre demande d’ajout, et cela n’a pas autant d’élan que la régression quantile. Voici un papier , fourni par le développeur, qui suggère que "la régression attendue n'est pas aussi solide que la régression quantile".
Re : Régression quantile et expectile pénalisée – Statut modifié en : Besoin d'informations@Muralidhara pouvez-vous s'il vous plaît fournir des informations supplémentaires? Pour une régression pénalisée, LASSO est-il suffisant, ou le client demande-t-il également Elastic Net et Ridge ? Une implémentation de LASSO peut être relativement simple, mais Elastic Net et Ridge seront plus difficiles, car ils nécessiteraient probablement des techniques d'optimisation différentes qui ne sont actuellement pas disponibles dans JMP.
