卫生统计学 - 词条分类 - 公卫百科

施泰因型岭回归估计量-统计

施泰因型岭回归估计量（Stein-type ridge regression estimator, SRRE），又称“Stein 型岭回归估计量”，指以施泰因（Stein）估计为基础，利用岭回归技术对参数估计进行调整所得到的参数估计量。

定义

预试验岭回归估计量-统计

预试验岭回归估计量（preliminary test ridge regression estimator, PTRRE），指在进行岭回归分析前，预先检验数据的统计特性，并根据检验结果对模型参数进行调整，最终获得的参数估计量。

定义

限制性岭回归估计量-统计

限制性岭回归估计量（restricted ridge regression estimator, RRRE），在岭回归中引入特定限制条件，通过对参数空间进行约束所获得的参数估计量，以提高模型稳定性与泛化能力，避免过拟合。

定义

自适应广义岭回归估计量-统计

自适应广义岭回归估计量（adaptive generalized ridge regression estimator, AGRRE），指将广义岭回归和基于数据特征的自适应调整相结合所得到的参数估计量。它根据数据特点动态调整参数估计，增强模型适应性，以提高预测准确性。

定义

方差膨胀因子-统计

方差膨胀因子（variance inflation factor, VIF），指评估回归模型中多重共线性的指标，通过计算某个自变量可被其他自变量解释的程度，量化多重共线性对回归系数估计的影响。

定义

岭迹-统计

岭迹（ridge trace），指不同调节参数下，各个特征系数的变化轨迹，通常以图形方式展示。

定义

广义交叉验证-统计

广义交叉验证（generalized cross-validation），指一种用于模型选择和参数调优的统计方法,是交叉验证的一种变体,用于在给定模型和参数集合的情况下估计模型的预测误差。

定义

调节参数-统计

调节参数（tuning parameter），又称“岭参数（ridge parameter）”，指岭回归中用于控制模型复杂度的关键超参数。其通过向损失函数添加正则化项来压缩回归系数，缓解多重共线性问题。

定义

正则化参数-统计

正则化参数（regularization parameter），指损失函数中正则化项的系数，决定正则化项对整体目标函数的影响程度。用于抑制模型复杂度、防止过拟合，同时提高模型的泛化能力。

定义

岭回归估计量-统计

岭回归估计量（ridge regression estimator），指通过在最小二乘法的目标函数中引入一个偏移常数所获得的参数估计量。

定义

岭回归-岭回归

岭回归（ridge regression），指通过在最小二乘法的目标函数中引入一个偏移常数，从而降低多重共线性对回归系数估计影响的统计方法。

定义

哑变量-统计

哑变量（dummy variable），又称“虚拟变量”，指通常取值为0 或1，一种二分类变量，为了使无序多分类变量可以在模型中使用，而进行的k 个分类，转换成的k-1 个0、1 变量。

定义

平滑剪切绝对偏差算法-统计

平滑剪切绝对偏差算法（smoothly clipped absolute deviation, SCAD），指一种用于变量选择和参数估计的正则化方法，旨在对模型参数进行平滑修剪，以处理高维数据集和变量选择问题。

定义

自适应最小绝对收缩选择算法-统计

自适应最小绝对收缩选择算法（adaptive least absolute shrinkage and selection operator），简称“adaptive LASSO”，指一种同时进行特征选择和正则化的方法，旨在增强统计模型的预测准确性和可解释性，是对最小绝对收缩选择算法的推广。

定义

最小绝对收缩选择算法-统计

最小绝对收缩选择算法（least absolute shrinkage and selection operator, LASSO），指z在拟合线性模型时，引入回归系数的L1 范数惩罚项的有偏最小二乘回归。该算法倾向于部分自变量的系数压缩为零，实现特征的稀疏性，以达到高维数据中变量选择的目的。 ...

定义

压缩估计-统计

压缩估计（shrinkage estimation），指在回归分析等中，对参数估计值进行向某个中心值（如零）收缩的处理，通过引入正则化项等方法，在降低参数估计方差的同时，适当增加偏差，以提高模型的预测精度和稳定性，获取更可靠的估计结果。 ...

定义

逐步后退法-统计

逐步后退法（backward stepwise），指每剔除一个自变量，对方程外的变量进行检验，对符合入选标准的变量重新考虑将其纳入的一种变量筛选方法。

定义

后退法-统计

后退法（backward），指从建立一个包含全部自变量的回归方程开始，按照某种规则（如P 值最小且有统计学意义）每次剔除一个自变量，自变量由多到少，直至无可剔除的自变量为止的一种变量筛选方法。

定义

逐步前进法-统计

逐步前进法（forward stepwise），指每选入一个自变量，对已在模型中的自变量进行检验，对达到剔除标准的变量逐一剔除的一种变量筛选方法。

定义

前进法-统计

前进法（forward），指从建立不包含或包含少量自变量回归方程开始，按照某种规则（如P 值最小且有统计学意义）每次引入一个自变量，自变量由少到多，直至无可引入的自变量为止的一种变量筛选方法。

定义

欢迎有闲之士完善公卫百科