讲座题目:Communication-efficient distributed estimation for high-dimensional large-scale linear regression

讲座摘要: In the Master-Worker distributed structure, this talk provides a regularized gradient enhanced loss (GEL) function based on the high-dimensional large-scale linear regression with SCAD and adaptive LASSO penalty. The importance and originality of this talk have two aspects: (1) Computationally, to take full advantage of the computing power of each machine and speed up the convergence, our proposed distributed upgraded estimation method can make all Workers optimize their corresponding GEL functions in parallel, and the results are then aggregated by the Master; (2) In terms of communication, the proposed modified proximal alternating direction method of the multipliers (ADMM) algorithm is comparable to the Centralize method based on the full sample during a few rounds of communication. Under some mild assumptions, we establish the Oracle properties of the SCAD and adaptive LASSO penalized linear regression. The finite sample properties of the newly suggested method are assessed through simulation studies. An application to the HIV drug susceptibility study demonstrates the utility of the proposed method in practice.

讲座时间：2023年6月7日（周三）下午13:00

讲座方式：线上开展（腾讯会议，会议号：140-693-547）

嘉宾简介：刘展，博士，湖北大学数学与统计学学院教授、硕士生导师，湖北省人才计划楚天学子，中国商业统计学会理事，中国数量经济学会理事，中国统计教育学会会员。2017年于中国人民大学获统计学博士学位。2016年8月到2017年3月在美国马里兰大学JPSM进行学习与研究（国家联合培养博士）。于2018年5月到8月、2018年12月到2019年2月、2019年4月到2019年6月、2019年8月到2020年8月、2021年6月到2021年8月在香港中文大学统计系做博士后与研究助理。于2019年7月到2019年8月在香港大学统计与精算学系访问研究。主要研究领域为抽样推断、缺失数据处理、分布式优化方法。主持国家社会科学基金项目、全国统计科学研究项目、省部级基金项目等20项，并在《Journal of Statistical Planning and Inference》、《Statistical Papers》、《统计研究》、《数理统计与管理》等国内外高质量学术期刊上发表论文50余篇。