通过逆回归预测区域
Emelie Devijver、Emeline Perthame; 21(113):1−24, 2020.
摘要
从协变量中预测新的响应是回归中的一项挑战性任务，这提出了自高维数据时代以来的新问题。在本文中，我们从理论角度对逆回归方法感兴趣。众所周知，高斯线性模型的理论结果是众所周知的，但维数诅咒增加了从业者和理论家的兴趣，他们将这些结果推广到针对高维背景进行校准的各种估计器。我们建议关注逆回归。众所周知，当特征数量超过观测数量时，这是一种可靠而有效的方法。实际上，在某些情况下，处理与正向回归问题相关的反向回归问题会大大减少要估计的参数数量，使问题易于处理，并允许将更一般的分布视为椭圆分布。当响应和协变量均为多元时，本文研究了由逆回归构造的估计量，主要结果是响应的显式渐近预测区域。通过仿真研究分析了所提出的估计量和预测区域的性能，并与常用估计量进行了比较。
[腹肌]
[pdf格式][围兜] [代码]
