一般ノンパラメトリック回帰のための分位マッチング複合によるグローバルBias補正分割統治【JST・京大機械翻訳】

Chen Yan; Lin Lu

プレプリント

J-GLOBAL ID：202202210126340540 整理番号：22P0281757

一般ノンパラメトリック回帰のための分位マッチング複合によるグローバルBias補正分割統治【JST・京大機械翻訳】

Global Bias-Corrected Divide-and-Conquer by Quantile-Matched Composite for General Nonparametric Regressions

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月29日プレプリントサーバーでの情報更新日： 2022年01月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

バイアス補正とロバスト性の問題は,特に大規模データを有する非対称ノンパラメトリックモデルのために,分割統治(DC)の戦略において重要である。分位ベースの方法はロバスト性を達成できることが知られているが,誤差分布が非対称である場合,ノンパラメトリック回帰のための分位推定は,非識別バイアスを持つ。本論文では,一般的誤差分布を持つノンパラメトリック回帰のための分位整合複合材料による大域的バイアス補正DCを検討した。提案した戦略はバイアス補正とロバスト性を同時に達成できる。各局所マシンによる局所推定器を構築するために,同一分位レベルを用いる一般的DC分位推定とは異なり,新しい方法論において,局所推定器を,異なるデータバッチに対して様々な分位レベルにおいて得,次に,大域的推定器を,局所推定子の加重和として詳しく構築した。加重和では,重みと分位レベルは,大域的推定子のバイアスが,特に誤差分布が非対称である場合に,かなり補正されるように,よく整合する。グローバル推定量の漸近特性に基づいて,最適重みを達成して,次に,対応するアルゴリズムを示唆した。新しい方法の挙動を,シミュレーション実験と実際のデータ解析から様々な数値例によってさらに説明した。競争者と比較して,新しい方法は,推定精度,ロバスト性,適応性および計算効率の好ましい特徴を持った。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

統計学 , 数値計算

, , ,

前のページに戻る