Variable selection and predictive models for Big Data environments

• Álvaro Méndez-Civieta ^[1] ; M. Carmen Aguilera-Morillo (dir.) ; Rosa E. Lillo (dir.)
  1. [1] UC3M - Santander Big Data institute
• Localización: BEIO, Boletín de Estadística e Investigación Operativa, ISSN 1889-3805, Vol. 38, Nº. 2, 2022
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen

  • Esta tesis se articula en torno al desarrollo de nuevas metodologías estadísticas con dos objetivos en mente: resolver problemas complejos de alta dimensión y usar técnicas robustas basadas en cuantiles.

• Referencias bibliográficas
  • Friedman, J., T. Hastie, and R. Tibshirani. 2010. “A note on the group lasso and a sparse group lasso.” ArXiv:1001.0736, 1–8. https://doi.org/10.1111/biom.12292.
  • Méndez Civieta, Álvaro, M. Carmen Aguilera-Morillo, and Rosa E. Lillo. 2022. “Fast partial quantile regression.” Chemometrics and Intelligent...
  • Mendez-Civieta, Alvaro, M. Carmen Aguilera-Morillo, and Rosa E. Lillo. 2021. “Adaptive sparse group LASSO in quantile regression.” Advances...
  • Méndez-Civieta, Álvaro, M. Carmen Aguilera-Morillo, and Rosa E. Lillo. 2021. “Asgl: A Python Package for Penalized Linear and Quantile Regression,”...
  • Wold, H. 1973. “Nonlinear Iterative Partial Least Squares (NIPALS) Modelling: Some Current Developments.” In Multivariate Analysis-III, edited...