Adaptive penalties for generalized Tikhonov regularization in statistical regression models with application to spectroscopy data

Penalized likelihood regression for generalized linear models with nonquadratic penalties

One popular method for fitting a regression function is regularization: minimize an objective function which enforces a roughness penalty in addition to coherence with the data. This is the case when formulating penalized likelihood regression for exponential families. Most smoothing methods employ quadratic penalties, leading to linear estimates, and are in general incapable of recovering disc...

a new approach to credibility premium for zero-inflated poisson models for panel data

هدف اصلی از این تحقیق به دست آوردن و مقایسه حق بیمه باورمندی در مدل های شمارشی گزارش نشده برای داده های طولی می باشد. در این تحقیق حق بیمه های پبش گویی بر اساس توابع ضرر مربع خطا و نمایی محاسبه شده و با هم مقایسه می شود. تمایل به گرفتن پاداش و جایزه یکی از دلایل مهم برای گزارش ندادن تصادفات می باشد و افراد برای استفاده از تخفیف اغلب از گزارش تصادفات با هزینه پائین خودداری می کنند، در این تحقیق ...

Generalized Lasso Regularization for Regression Models

Learning a regression function via Tikhonov regularization

We consider the problem of estimating a regression function on the basis of empirical data. We use a Reproducing Kernel Hilbert Space (RKHS) as our hypothesis space, and we follow the methodology of Tikhonov regularization. We show that this leads to a learning scheme that is different from the one usually considered in Learning Theory. Subject to some regularity assumptions on the regression f...

on some bayesian statistical models in actuarial science with emphasis on claim count

چکیده ندارد.