我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
虽然离开-主题交叉验证(CV)已在实践中广泛用于各种非参数和半参数纵向数据模型的参数选择,但其理论性质未知,并且解决相关优化问题的计算成本很高,特别是当存在多个调谐参数时。在本文中,通过关注惩罚样条方法,我们证明了遗漏主体CV是最优的,因为它渐近等价于经验平方误差损失函数最小化。开发了一种高效的Newton型算法来计算优化CV准则的惩罚参数。通过仿真数据和实际数据验证了离开-主题CV在选择惩罚参数和工作相关矩阵方面的有效性。
徐刚刚。 黄建华Z。 “离职-被调查者交叉验证的渐近最优性和有效计算。” 安。统计师。 40 (6) 3003 - 3030, 2012年12月。 https://doi.org/10.1214/12-AOS1063网址