Zobrazeno 1 - 10
of 124
pro vyhledávání: '"Price, Bradley"'
We propose new methods for multivariate linear regression when the regression coefficient matrix is sparse and the error covariance matrix is dense. We assume that the error covariance matrix has equicorrelation across the response variables. Two pro
Externí odkaz:
http://arxiv.org/abs/2410.10025
Autor:
Smida, Tanner, Crowe, Remle P., Martin, P.S., Scheidler, James F., Price, Bradley S., Bardes, James M.
Publikováno v:
In Resuscitation May 2024 198
Autor:
Sherwood, Ben, Price, Bradley S.
Modern multivariate machine learning and statistical methodologies estimate parameters of interest while leveraging prior knowledge of the association between outcome variables. The methods that do allow for estimation of relationships do so typicall
Externí odkaz:
http://arxiv.org/abs/2106.05172
We propose a penalized likelihood framework for estimating multiple precision matrices from different classes. Most existing methods either incorporate no information on relationships between the precision matrices, or require this information be kno
Externí odkaz:
http://arxiv.org/abs/2003.00371
Publikováno v:
European Journal of Marketing, 2022, Vol. 57, Issue 7, pp. 1886-1911.
Externí odkaz:
http://www.emeraldinsight.com/doi/10.1108/EJM-03-2022-0173
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Price, Bradley S.1,2 (AUTHOR) brad.price@mail.wvu.edu, Saldanha, John P.2 (AUTHOR) jpsaldanha@mail.wvu.edu, Quiroga, Bernardo F.2 (AUTHOR) bernie.quiroga@mail.wvu.edu, Hodder, Sally L.1,3 (AUTHOR) sally.hodder@hsc.wvu.edu
Publikováno v:
INFORMS Journal on Applied Analytics. Nov/Dec2024, Vol. 54 Issue 6, p517-536. 20p.
Autor:
Price, Bradley S., Sherwood, Ben
We propose a method for estimating coefficients in multivariate regression when there is a clustering structure to the response variables. The proposed method includes a fusion penalty, to shrink the difference in fitted values from responses in the
Externí odkaz:
http://arxiv.org/abs/1707.03530
We propose a penalized likelihood method that simultaneously fits the multinomial logistic regression model and combines subsets of the response categories. The penalty is non differentiable when pairs of columns in the optimization variable are equa
Externí odkaz:
http://arxiv.org/abs/1705.03594