同龄人 swMATH ID: 40511 软件作者： 董瑞鹏；李道基；郑泽民 描述： 大规模多响应不完全回归的并行综合学习。在许多应用中，多任务学习越来越多地用于研究多个响应和一组预测变量之间的关联结构。在大数据时代，不完全结果、大量响应和预测因子的高维性并存，给估计、预测和计算带来了前所未有的挑战。在本文中，我们提出了一种可扩展且计算效率高的程序，称为PEER，用于具有不完全结果的大规模多响应回归，其中响应数和预测数都可以是高维的。在稀疏因子回归的激励下，我们将多响应回归转换为一组单变量响应回归，可以有效地并行实现。在一些温和的正则性条件下，我们表明PEER具有良好的采样特性，包括估计、预测和变量选择的一致性。大量的仿真研究表明，我们的方案在估计精度、变量选择和计算效率方面优于现有的几种方法。 主页： https://arxiv.org/abs/2104.05076 关键词： 高维性；不完整的数据；潜在因素；多任务学习；奇异值分解 相关软件： 保护；rrpack（rrpack）；SOFAR公司 引用于： 1文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 大规模多响应不完全回归的并行综合学习。 Zbl 07422735号董瑞鹏；李道基；郑泽民 2021 3位作者引用 1 董瑞鹏 1 李道基 1 郑泽民 连载1篇 1 计算统计与数据分析 在1个字段中引用 1 统计学（62-XX） 按年份列出的引文