论文研究 - 基于拉普拉斯分布的鲁棒混合回归模型的自适应稀疏群变量选择

高斯混合模型的传统估计对重尾误差很敏感。 因此，通过假设误差项遵循拉普拉斯分布，我们提出了鲁棒的混合回归模型。 对于新的鲁棒混合回归模型中的变量选择问题，我们引入了自适应稀疏组Lasso罚分以在组级别和组内级别实现稀疏性。 如数值实验所示，与其他替代方法相比，我们的方法在变量选择和参数估计方面具有更好的性能。 最后，我们运用我们提出的方法来分析2018年至2019年期间的NBA薪资数据。