A Heuristically Penalized Framework for Asymptotic Ridge Estimation
Dieses Paper schlägt ein neuartiges „Asymptotic Ridge“-Framework vor, das die klassische Ridge-Regression erweitert, indem es einen heuristischen kombinierten Algorithmus auf Basis einer asymptotischen Elastic-Net-Straffunktion einführt, gestützt durch zwei neue Theoreme, um durch dynamische Hyperparameter in hochdimensionalen Datensätzen eine verbesserte Regularisierung und niedrigere mittleren quadratische Fehler zu erreichen.