Die Mathematik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Verwaltung des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Mathematik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Universität Bremen


INHALT & PFAD:
Startseite Textformat


Für den Fall, dass Ihr Computer das entsprechende Format nicht angezeigen kann, können Sie sich hier das Dokument als unformatierte Textausgabe ansehen.

(Bitte haben Sie dafür Verständnis, dass gewisse Dokumente nicht als Textalternative zur Verfügung stehen.)


Download:
Download Oldenburger Einladung zum Mathe-Kolloquium am 26.5.10 (application/pdf 78.3 KB)


Textalternate  Oldenburger Einladung zum Mathe-Kolloquium am 26.5.10
Fulltext:




Vortrag im Rahmen des
Mathematisches
Kolloquium
Institut für Mathematik
26. Mai 2010
mathematischen Kolloquiums:
Prof. Dr. Ernst Wit
(Universität Groningen)
Performing inference in high-dimensional
feature spaces
Abstract: Ultra-high dimensional variable selection
plays an important role in regression models applied in
many areas of modern pharmaceutical research. For
these kind of problems the number of variables, p, can be
much larger than the sample size n. Many variable
selection techniques for high dimensional statistical
models are based on a penalized likelihood approach.
LASSO estimator proposed by Tibshirani, SCAD method
or L1-regularization path following algorithm for
generalized linear models proposed by Park and Hastie
are only some of the most popular methods used to
select relevant variables in a generalized linear model. In
a recent paper, Fan and Li proposed a sure independent
screening (SIS) method to select relevant variables in a
linear regression model defined on a ultrahigh
dimensional feature space. SIS method is based on the
geometrical theory underlying the linear regression
model. This observation suggests that a genuine
generalization of the SIS method for generalized linear
models could be founded on an adequate generalization
of the geometric interpretation of a linear regression
model. Based on this idea, we propose new statistical
method to select relevant variables in a generalized
linear model defined in ultrahigh dimensional feature
space, which is based on the differential geometrical
theory underlying the dgLARS algorithm.
Ort: Universität Oldenburg
Standort Wechloy
(Carl-von-Ossietzky-Straße)
Raum W1 0-006
Zeit: Mittwoch, den 26.05.2010,
17 Uhr c.t.
Kaffee/Tee 16.45 Uhr im Raum
W1 2-213
Zu dieser Veranstaltung laden wir Sie herzlich ein.

Oldenburg-Invitation to the Math-Coloquium at 5/26/10
Oldenburger Einladung zum Mathe-Kolloquium am 26.5.10


 



zurück  




Seitenanfang  -  Impressum Zuletzt geändert durch: schalt [b]   26.04.2010 Admin-Login