讲座题目：Centre-augmented L2-type regularization for subgroup learning 主讲人🐨：林华珍 教授 主持人：周勇 教授 开始时间：2021-10-13 19:00:00 讲座地址👨🏿🦲：腾讯会议，ID：713 652 103 主办单位👩🏼🚀👲🏽：经济与管理学部
报告人简介： 林华珍🏇🏼，西南财经大学统计研究中心主任🤘🏻、教授，博士生导师🧘♂️👨👨👦，IMS-fellow，国家杰出青年科学基金获得者🚲，国家百千万人才工程获得者🍙🧑🏻🌾，享受国务院政府特殊津贴专家🔋，教育部新世纪优秀人才。 主要研究方向为非参数方法、转换模型💇🏽🧑🏼🏫、生存数据分析、函数型数据分析、潜变量分析💆♀️、时空数据分析🚄🧑🏿🔧。研究成果发表在包括国际统计学四大顶级期刊AoS🤮、JASA、JRSSB、Biometrika和计量经济学顶级期刊JOE及JBES上。先后多次主持国家基金项目，包括国家杰出青年基金及自科重点项目。林华珍教授是国际IMS-China🐈⬛、IBS-CHINA及ICSA-China委员，中国现场统计研究会数据科学与人工智能分会理事长🙅🏼♂️，第九届全国工业统计学教学研究会副会长，中国现场统计研究会多个分会的副理事长。先后是国际统计学期刊《Biometrics》👨🏻💼、《Scandinavian Journal of Statistics》、《Journal of Business & Economic Statistics》、《Canadian Journal of Statistics》、《Statistics and Its Interface》🏊🏿♀️、《Statistical Theory and Related Fields》的Associate Editor，国内权威或核心学术期刊《数学学报》（英文）🧗🏿♂️、《应用概率统计》💂🏻、《系统科学与数学》、《数理统计与管理》编委会编委🌆。 报告内容： 现有的亚组分析方法大致可以分为两类：有限混合模型（FMM）和具有L1型惩罚的正则化方法。在本文中🤦🏼♀️，通过在损失函数中引入群中心和L2型惩罚🏩，我们提出了一种新的中心增强正则化（CAR）方法。该方法可以被看作是正则化方法和FMM的统一👨❤️💋👨。与现有方法相比，该方法具有更高的效率，更好的稳健性，也更方便计算。特别地，它的计算复杂度从传统的成对惩罚方法的O(n^2)降低到 O(nK)，其中n是样本大小，K是亚组的数量。我们建立了CAR的渐近正态性🤥，证明了算法的收敛性👩🏼🍼。我们也将CAR应用于一个多中心临床试验数据集🤟：丁丙诺啡治疗鸦片依赖。与现有方法相比🔺，我们得到了更大的R^2🌘🧘🏿，并确定了三个额外的重要变量💂🏻♂️。（与Ling Zhou, Ye He, Yingcun Xia合作🤵🏿♀️。） |
