A class of optimization problems motivated by rank estimators in robust regression
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3A10451924" target="_blank" >RIV/00216208:11320/22:10451924 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61384399:31110/20:00056118 RIV/61384399:31140/20:00056118 RIV/61384399:31110/22:00056118 RIV/61384399:31140/22:00056118
Výsledek na webu
<a href="https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=DyGvlr0MuH" target="_blank" >https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=DyGvlr0MuH</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1080/02331934.2020.1812604" target="_blank" >10.1080/02331934.2020.1812604</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
A class of optimization problems motivated by rank estimators in robust regression
Popis výsledku v původním jazyce
A rank estimator in robust regression is a minimizer of a function which depends (in addition to other factors) on the ordering of residuals but not on their values. Here we focus on the optimization aspects of rank estimators. We distinguish two classes of functions: a class with a continuous and convex objective function (CCC), which covers the class of rank estimators known from statistics, and also another class (GEN), which is far more general. We propose efficient algorithms for both classes. For GEN we propose an enumerative algorithm that works in polynomial time as long as the number of regressors is. The proposed algorithm utilizes the special structure of arrangements of hyperplanes that occur in our problem and is superior to other known algorithms in this area. For the continuous and convex case, we propose an unconditionally polynomial algorithm finding the exact minimizer, unlike the heuristic or approximate methods implemented in statistical packages.
Název v anglickém jazyce
A class of optimization problems motivated by rank estimators in robust regression
Popis výsledku anglicky
A rank estimator in robust regression is a minimizer of a function which depends (in addition to other factors) on the ordering of residuals but not on their values. Here we focus on the optimization aspects of rank estimators. We distinguish two classes of functions: a class with a continuous and convex objective function (CCC), which covers the class of rank estimators known from statistics, and also another class (GEN), which is far more general. We propose efficient algorithms for both classes. For GEN we propose an enumerative algorithm that works in polynomial time as long as the number of regressors is. The proposed algorithm utilizes the special structure of arrangements of hyperplanes that occur in our problem and is superior to other known algorithms in this area. For the continuous and convex case, we propose an unconditionally polynomial algorithm finding the exact minimizer, unlike the heuristic or approximate methods implemented in statistical packages.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Optimization
ISSN
0233-1934
e-ISSN
1029-4945
Svazek periodika
71
Číslo periodika v rámci svazku
8
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
31
Strana od-do
2241-2271
Kód UT WoS článku
000567971900001
EID výsledku v databázi Scopus
2-s2.0-85090782845