Выбор функциональных прогнозов и оценка бесперебойного коэффициента для моделей регрессии на скалярном уровне

arXiv: 2506.17773v5 Тип анонсации: заменить резюме: В рамках моделей регрессии скалярного режима, в которых используются несколько функциональных переменных для прогнозирования скаларной реакции, мы предлагаем методологию отбора соответствующих функциональных прогнозов при одновременном обеспечении точных и бесперебойных (или более общих) оценок функциональных коэффициентов. Мы предполагаем, что функциональные предсказания принадлежат реальному отделимому пространству Хилберта, в то время как функциональные коэффициенты относятся к конкретному подпространству этого пространства. Такое подпространство может представлять собой регенерирующее пространство " Кернел Хилберт &qt; (RKHS) для обеспечения желаемых характеристик регулярности, таких как сглаживание или периодичность оценки коэффициентов. Наша процедура, именуемая SOFA (Scalar-on-function Integrated Aдаптивная Лассо), основана на адаптационном алгоритме наименее квадратов, который использует функциональные субградиенты для эффективного решения проблемы минимизации. Мы продемонстрируем, что предлагаемый метод сатисфи