With these methods, they could esti

With these methods, they could estimate regression coefficients β from a penalized log-likelihood L(β) – λP(β), where the first term is the log-like lihood of a regression model and the second term is a penalty function associated with a tuning parameter λ that provides a trade-off between goodness of fit and sparseness of the model.

ผลลัพธ์ (ไทย) 1:

ด้วยวิธีการเหล่านี้ พวกเขาสามารถประเมินβ coefficients ถดถอยจากการบันทึกความเป็นไปได้ลงโทษ L(β) – λP(β) ที่ระยะแรกเป็น lihood เหมือนบันทึกแบบจำลองถดถอย และระยะสองเป็นฟังก์ชันลงโทษที่เกี่ยวข้องกับλพารามิเตอร์การปรับแต่งที่ให้ปิดระหว่างดีของพอและ sparseness ของรูปแบบ

ผลลัพธ์ (ไทย) 2:

ด้วยวิธีการเหล่านี้พวกเขาสามารถประมาณการถดถอย COEF cients Fi เบต้าจากการลงโทษล็อกโอกาส L (β) - λP (β) ซึ่งในระยะแรกเป็น lihood เช่นการเข้าสู่ระบบของรูปแบบการถดถอยและระยะที่สองคือฟังก์ชั่นการลงโทษที่เกี่ยวข้องกับ λปรับพารามิเตอร์ที่ให้การออกระหว่างความดีของ Fi T และกระจัดกระจายของรูปแบบ

ผลลัพธ์ (ไทย) 3:

ด้วยวิธีการเหล่านี้ พวกเขาสามารถประมาณการถดถอย coef จึง cients บีตาจากโอกาสต่างๆเข้าสู่ระบบ L ( บีตา ) –λ P ( บีตา ) แล้วจึงตัดสินใจเดินทางระยะล็อกเหมือน lihood ของแบบจำลองการถดถอย และระยะที่สองเป็นฟังก์ชันที่เกี่ยวข้องกับโทษปรับพารามิเตอร์λที่ให้การแลกเปลี่ยนระหว่าง ความดีจึงและ sparseness ของแบบจำลอง