开放式访问
2007年11月 Boosting算法:正则化、预测和模型拟合
彼得·鲍尔曼,托尔斯滕·霍霍恩
统计人员。科学。 22(4): 477-505 (2007年11月)。 DOI:10.1214/07-STS242

摘要

我们提出了一个关于提升的统计观点。特别强调估计潜在的复杂参数或非参数模型,包括广义线性和可加模型以及生存分析的回归模型。文中还讨论了自由度的概念和相应的Akaike或Bayesian信息准则,特别适用于高维协变量空间中的正则化和变量选择。

通过专用的开源软件包说明了拟合统计模型的boosting过程的实际方面姆博斯特此软件包实现了可用于模型拟合、预测和变量选择的功能。它很灵活,可以实现新的增强算法,优化用户特定的损失函数。

引用

下载引文

彼得·比尔曼。 托尔斯滕·霍霍恩。 “推进算法:正则化、预测和模型拟合。” 统计人员。科学。 22 (4) 477 - 505, 2007年11月。 https://doi.org/10.1214/07-STS242

问询处

发布日期:2007年11月
欧几里德项目首次提供:2008年4月7日

zbMATH公司:1246.62163
数学科学网:MR2420454型
数字对象标识符:10.1214/07-STS242

关键词:广义可加模型,广义线性模型,梯度增强,软件,生存分析,变量选择

权利:版权所有©2007数学统计研究所

第22卷•第4期•2007年11月
返回页首