ฉันถูกจับโดยความคิดเรื่องการหดตัวของเจมส์ - สไตน์ (นั่นคือฟังก์ชั่นแบบไม่เชิงเส้นของการสังเกตเพียงครั้งเดียวของเวกเตอร์ที่มีบรรทัดฐานอิสระอาจเป็นตัวประมาณที่ดีกว่าของวิธีการของตัวแปรสุ่ม ) อย่างไรก็ตามฉันไม่เคยเห็นมันในงานที่นำไปใช้ เห็นได้ชัดว่าฉันอ่านไม่ดีพอ มีตัวอย่างคลาสสิกที่เจมส์ - สไตน์ปรับปรุงการประมาณค่าในการตั้งค่าที่ใช้หรือไม่? ถ้าไม่การหดตัวแบบนี้เป็นเพียงความอยากรู้ทางปัญญาหรือไม่?
คำตอบ:
ตัวประเมิน James-Stein ไม่ได้ใช้กันอย่างแพร่หลาย แต่มีแรงบันดาลใจจากการทำ thresholding แบบอ่อน, thresholding แบบแข็งซึ่งใช้กันอย่างแพร่หลาย
การประมาณค่าการหดตัวของเวฟเล็ต (ดูแพคเกจ R wavethresh) ใช้ในการประมวลผลสัญญาณจำนวนมาก, เซ็นทรอยด์หด (แพคเกจ pamr ภายใต้ R) สำหรับการจำแนกใช้สำหรับ DNA ไมโครอาร์เรย์, มีตัวอย่างมากมายของประสิทธิภาพเชิงหดตัว ...
เพื่อจุดประสงค์ทางทฤษฎีให้ดูส่วนการทบทวนของ candes เกี่ยวกับการประมาณค่าการหดตัว (p20-> James stein และส่วนหลังจากนั้นหนึ่งเกี่ยวข้องกับ thresholding นุ่มและแข็ง):
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.161.8881&rep=rep1&type=pdf
แก้ไขจากความเห็น:ทำไม JS หดตัวใช้น้อยกว่า Soft / hard Thresh?
James Stein นั้นยากที่จะจัดการ (ในทางปฏิบัติและในทางทฤษฎี) และเข้าใจโดยสัญชาตญาณมากกว่าการนวดอย่างหนัก แต่คำถามคือคำถามที่ดี!
สันถดถอยเป็นรูปแบบหนึ่งของการหดตัว ดูผักและ Van Nostrand (1979)
การหดตัวได้พิสูจน์แล้วว่ามีประโยชน์ในการประเมินปัจจัยตามฤดูกาลสำหรับอนุกรมเวลา ดูมิลเลอร์และวิลเลียมส์ (IJF, 2003)
ดังที่คนอื่น ๆ พูดถึง James-Stein มักไม่ได้ใช้โดยตรง แต่จริงๆแล้วเป็นบทความแรกเกี่ยวกับการหดตัว การเชื่อมโยงระหว่าง James-Stein กับการประมาณค่าสมัยใหม่นั้นอธิบายไว้ในรายละเอียดในบทความนี้โดย E.Candes เมื่อย้อนกลับไปยังคำถามของคุณฉันคิดว่า James-Stein เป็นคนที่ไม่อยากรู้อยากเห็นในแง่ที่ว่ามันเป็นเรื่องทางปัญญาอย่างแน่นอน แต่ก็มีผลเสียต่อสถิติอย่างไม่น่าเชื่อและไม่มีใครสามารถปฏิเสธมันได้ ทุกคนคิดว่าวิธีเชิงประจักษ์เป็นตัวประมาณที่ยอมรับได้และสไตน์พิสูจน์ว่าพวกเขาผิดด้วยตัวอย่าง ส่วนที่เหลือคือประวัติศาสตร์
Korbinian Strimmerใช้ประมาณการเจมส์สไตน์สำหรับinfering เครือข่ายของยีน ฉันใช้แพ็คเกจ R ของเขาสองสามครั้งและดูเหมือนจะให้คำตอบที่ดีและรวดเร็ว