×

序数模型对分类有用吗?修改后的分析。 (英语) Zbl 0842.62048号

摘要:本文描述了一项仿真研究,比较了各种有序和无序模型在错误率方面的性能,以及M.K.坎贝尔等【Stat.Med.10,383-394(1991)】但只应用那些适合生成的特定数据集的模型。通过使用准确的错误率并仅拟合适当的模型,我们得出了与Campbell等人相反的结论。此外,通过使用其他基础模型生成数据集,我们表明,反映基础数据结构的模型比不反映基础数据结构的模型性能更好。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
62J12型 广义线性模型(逻辑模型)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Anderson J.A.,《皇家统计学会杂志》,B辑46第1页–(1984年)
[2] 内政部:10.2307/2346654·Zbl 0459.62045号 ·doi:10.2307/2346654
[3] Armstrong B.G.,《美国流行病学杂志》129第191页–(1989)
[4] 内政部:10.2307/2348029·doi:10.2307/2348029
[5] 内政部:10.2307/1267794·Zbl 0477.62010 ·doi:10.2307/1267794
[6] Campbell M.K.,响应变量为序数时分类程序的渐近错误率。(1986)
[7] 内政部:10.1002/sim.4780100310·doi:10.1002/sim.4780100310
[8] 内政部:10.2307/2529753·Zbl 0332.62078号 ·doi:10.2307/2529753
[9] 内政部:10.2307/2289236·Zbl 0621.62073号 ·doi:10.2307/2289236
[10] Eisenbeis A.,判别分析和分类程序(1975年)
[11] 数字对象标识码:10.1111/j.1467-9574.1988.tb01238.x·Zbl 0715.62138号 ·doi:10.1111/j.1467-9574.1988.tb01238.x
[12] Finney D.J.,《生物统计学》第34页第320页–(1947年)
[13] 内政部:10.2307/3314931·doi:10.2307/3314931
[14] 内政部:10.1016/0167-8655(86)90054-1·doi:10.1016/0167-8655(86)90054-1
[15] 哈雷尔·F·E,SAS。SUGI 12第269页–(1987)
[16] 内政部:10.2307/2347590·Zbl 0825.62870号 ·doi:10.2307/2347590
[17] DOI:10.1016/0010-468X(74)90011-7·doi:10.1016/0010-468X(74)90011-7
[18] Lesaffre E.,Logistic判别分析在心电图中的应用(1986)
[19] 内政部:10.1080/03610928908830072·Zbl 0696.62258号 ·doi:10.1080/03610928908830072
[20] Lindsey J.K.,使用GLIM分析分类数据(1989)·Zbl 0684.62008号
[21] McCullagh P.,《皇家统计学会杂志》,B辑42第109页–(1980)
[22] McCullagh P.,广义线性模型(1989)·兹比尔074462098 ·doi:10.1007/9781-4899-3242-6
[23] NAG手册Mark 15(1991)
[24] 内政部:10.2307/2286261·Zbl 0399.62060号 ·doi:10.2307/2286261
[25] Rudolfer S.M.,《带公式、图形和数学表的数学函数手册》(1992年)
[26] 内政部:10.1080/00949659308811553·Zbl 0832.62045号 ·网址:10.1080/00949659308811553
[27] Walker S.H.,《生物特征》54第167页–(1967)·Zbl 0159.47604号 ·doi:10.1093/biomet/54.1-2.167
[28] Watson P.C.,有序逻辑回归的分类性质(1992)
[29] Webster K.M.,数据生成技术对分类程序模拟研究的影响。(1989)
[30] 王尔德C.,受邀演讲期间未发表的评论(1989年)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。