Wikash Sewlal
Dantzig Selector
het schatten van een sparse parametervector met weinig metingen.
Wikash Sewlal, augustus 2010
Bij lineaire regressie geldt in het algemeen dat het aantal metingen groter is dan het aantal parameters. In praktische situaties kan het echter voorkomen, dat het aantal metingen (veel) kleiner is dan het aantal parameters. De kleinste kwadratenschatter kan in dat geval niet gebruikt worden. Indien gegeven is dat een klein aantal parameters het gehele model bepaalt, is het toch mogelijk om de parameters te schatten.
In 2005 introduceerden Emmanuel Candès en Terence Tao de Dantzig Selector als een schatter voor deze situatie. Vanwege zijn snelheid, werking en theoretische resultaten heeft de schatter veel aandacht gekregen.
In de voordracht zal de Dantzig Selector als schatter geïntroduceerd worden. Door de globale werking van de schatter te bespreken, zal een verklaring gegeven worden waarom de Dantzig Selector geschikt is voor deze situatie.