克里格勒，布莱恩;伯克，理查德 洛杉矶无家可归者的小面积估计：成本敏感随机梯度提升的应用。（英语） Zbl 1202.62178 安。申请。斯达。 4，第3期，1234-1255（2010年）. 摘要：在许多大都市地区，人们努力统计无家可归者，以确保适当提供社会服务。一些区域非常大，这使得空间采样成为一种可行的替代方法，而不是对整个地形进行计数。在采样区域观察到计数，但必须在未访问区域进行估算。随着插补过程的进行，低估和高估的代价可能不同。例如，如果在无家可归人数较多的地区进行精确估计是至关重要的，那么低估比高估损失函数更为严重。我们分析了2004-2005年洛杉矶县无家可归者研究的数据，使用了一种随机梯度增强的方法，这种方法可以不对称地对高估和低估进行加权。我们讨论我们的选择使用随机梯度升压超过其他函数估计程序。分析了不同成本函数的样本内拟合值和样本外插补值，以及响应与预测值之间的关系。本文简要讨论了这些结果的实际应用和政策含义。 引用于5文件 理学硕士： 62P25页 统计学在社会科学中的应用 65立方英尺 统计计算问题（MSC2010） 关键词：无家可归;助推;统计学习;成本;插补;分位数估计;小区域估算 软件：阿达;AdaBoost.MH版;AdaCost公司;藤蔓;gbev公司;gbm公司;mboost公司;quantreg公司 PDF格式 BibTeX公司 XML 引用 \text它{B.Kriegler}和\texdit{R.Berk}，安。申请。Stat.4，No.3，1234--1255（2010年；Zbl 1202.62178） 全文： 内政部 参考文献： [1] 伯克，R.A.（2008年）。从回归角度进行统计学习。斯普林格，纽约。·Zbl 1258.62047 [2] Berk，R.A.和MacDonald，J.（2010年）。为无家可归者提供治安：减少无家可归者相关犯罪的努力评估。犯罪学与公共政策。 [3] Berk，R.A.，Brown，L.和Zhao，L.（2010年）。模型选择后的统计推断。定量犯罪学杂志。出现。可在·www.springerlink.com [4] Berk，R.A.，Kriegler，B.和Baek，J.H.（2006年）。预测危险的囚犯不当行为：集合统计程序的应用。定量犯罪学杂志22 131-145。 [5] Berk，R.A.，Kriegler，B.和Ylvisaker，D.（2008年）。计算洛杉矶县无家可归的人。概率与统计学：纪念大卫·A·弗里德曼的论文。数学教学。统计学家。收集。22127-141。艾姆斯，海滩，哦。·Zbl 1166.62381号·doi:10.1214/193940307000000428 [6] Binder，H.（2009年）。GAMBoost：基于似然boosting的广义加性模型。R版本1.1。可在·www.r-project.org [7] Bratton，W.和Knobler，P.（1998年）。转机：美国最高警察如何扭转犯罪流行。兰登豪斯，纽约。 [8] 布雷曼，L.（1996年）。装袋预测因子。机器学习26 123-140。·Zbl 0858.68080 [9] 布雷曼，L.（2001年）。随机森林。机器学习45 5-32。·Zbl 1007.68152号·doi:10.1023/账号：1010933404324 [10] Breiman，L.，Friedman，J.H.，Olshen，R.A.和Stone，C.J.（1984年）。分类和回归树。华兹华斯，蒙特利，加利福尼亚州·Zbl 0541.62042 [11] Bühlmann，P.和Hothorn，T.（2007年）。Boosting算法：正则化、预测和模型拟合。统计学家。科学。22477-505。·Zbl 1246.62163·doi:10.1214/07-STS242 [12] Bühlmann，P.和Yu，B.（2003年）。l2损失的助推：回归和分类。J、 阿默尔。统计学家。协会98 324-340。·Zbl 1041.62029·doi:10.1198/016214503000125 [13] Cordray，D.S.和Pion，G.M.（1991年）。数字背后是什么？计算无家可归者的定义问题。住房政策辩论2587-616。 [14] Cowen，D.D.（1991年）。通过多个服务联系人估算普查和调查少计人数。住房政策辩论2869-882。 [15] 卡普，M.（2006年）。ada：执行二进制响应的提升算法。R包2.0-1。可在·www.r-project.org [16] 卡普，M.，Michailidis，G.和Johnson，K.（2006年）。ada：随机激励的R包。统计软件杂志17。 [17] Fan，W.，Stolfo，S.J.，Zhang，J.和Chan，P.K.（1999年）。Adacost：错误分类成本敏感提升。机器学习：第十六届国际会议论文集97-105。布莱德，斯洛文尼亚。 [18] Freund，Y.和Schapire，R.（1997年）。在线学习的决策理论推广及其在boosting中的应用。J、 计算机。系统科学。55119-139。·Zbl 0880.68103·doi:10.1006/jcss.1997.1504 [19] 弗里德曼，J.H.（2001年）。贪心函数逼近：一个梯度提升机。安。统计学家。公元1189-1232年。·Zbl 1043.62034·doi:10.1214/aos/1013203451 [20] 弗里德曼，J.H.（2002年）。随机梯度增强。计算机。统计学家。数据分析。38367-378。·Zbl 1072.65502·doi:10.1016/S0167-9473（01）00065-2 [21] Friedman，J.H.，Hastie，T.和Tibshirani，R.（2000年）。统计回归的逻辑分析：加性回归。安。统计学家。28337-374。·Zbl 1106.62323·doi:10.1214/aos/1016218223·欧几里得：aos/1016218223 [22] Harcourt，B.E.（2005年）。洛杉矶贫民区治安：洛杉矶市中心的犯罪和房地产开发（实时实验）。2005年芝加哥大学法律论坛325-404。 [23] Hastie，T.，Tibshirani，R.和Friedman J.（2001年）。统计学习的要素。斯普林格，纽约。·Zbl 0973.62007 [24] Hothorn，T.（2009年）。mboost：基于模型的提升。R包1.1-2。可在·www.r-project.org [25] Hyndman，R.J.和Fan，Y.（1996年）。统计包中的样本分位数。阿默尔。统计学家。50 361-365。 [26] Koegel，P.，Burnam，A.和Farr，R.K.（1988年）。洛杉矶市中心无家可归者中特定精神疾病的患病率。普通精神病学档案45 1085-1092。 [27] Koenker，R.（2005年）。分位数回归。剑桥大学出版社，纽约。·Zbl 1111.62037 [28] Koenker，R.（2009年）。分位数回归。R包4.38。可在·www.r-project.org [29] Kushel，M.B.，Evans，J.L.，Perry，S.，Robertson，M.J.和Moss，A.R.（2003年）。无门可锁：无家可归者和边缘居住者的受害。拱门。实习生。医学。163 2492-2499。 [30] Leeb，H.和Pötscher，B.M.（2005年）。模型选择与推理：事实与虚构。经济。理论21 21-59。·Zbl 1085.62004·doi:10.1017/S0266466605050036 [31] Leeb，H.和Pötscher，B.M.（2006年）。可以估计后模型选择估计量的条件分布吗？安。统计学家。342554-2591。·Zbl 1106.62029·doi:10.1214/009053606000000821 [32] 洛佩兹，S.（2005年）。恶魔在贫民区获胜。洛杉矶时报，10月16日。 [33] Madigan，D.和Ridgeway，G.（2004年）。关于“最小角度回归”的讨论。统计学家。32465-469。·Zbl 1091.62054·doi:10.1214/009053604000000067 [34] Magnano，P.F.和Blasi，G.（2007年）。卡在滑道上。《洛杉矶时报》（评论版），10月29日。 [35] Mease，D.和Wyner，A.（2008年）。与统计观点相反的证据。J、 马赫。学习。第9号决议131-156。 [36] Mease，D.，Wyner，A.和Buja，A.（2007年）。带有抖动和过/欠采样的成本加权提升：JOUS boost。J、 马赫。学习。第8 409-439号决议。·Zbl 1222.68261 [37] 梅恩绍森，N.（2006年）。分位数回归森林。J、 马赫。学习。第7 983-999号决议。·Zbl 1222.68262·www.jmlr.org [38] Rao，J.N.K.（2003年）。小区域估计。威利，霍博肯，新泽西州。·Zbl 1026.62003 [39] Ridgeway，G.（2007年）。广义增强回归模型。R包1.6-3。可在·www.r-project.org [40] 罗西，P.H.（1989年）。穷困潦倒的美国：无家可归的起源。芝加哥大学出版社，芝加哥。 [41] 罗西，P.H.（1991年）。1990年代无家可归者研究策略。住房政策辩论22029-1055。 [42] Schapire，R.E.（1999年）。升压简介。第十六届国际人工智能联席会议论文集2 1401-1406。摩根考夫曼，旧金山，加利福尼亚州。 [43] Sexton，J.（2009）gbev：具有变量误差的梯度增强回归树。R包0.1.1。可在·www.r-project.org [44] Takeuchi，I.，Le，Q.V.，Sears，T.D.和Smola，A.J.（2006年）。非参数分位数回归。J、 马赫。学习。第7号决议1231-1264。·Zbl 1222.68316·www.jmlr.org [45] 丁建民（2000）。成本敏感boosting算法的比较研究。第十七届机器学习国际会议论文集983-990。摩根考夫曼，旧金山，加利福尼亚州。 [46] Wilson，J.Q.和Kelling，G.L.（1982年）。破碎的窗户：警察和邻居的安全。大西洋月刊3月29-38日。 [47] Wright，J.D.和Devine，J.A.（1992年）。统计无家可归者：人口普查局在美国五个城市的“夜晚”。评审365-364。 [48] 张琰、于乙（2005）。提前停止促进：收敛性和一致性。安。统计学家。33 1538-1579。·Zbl 1078.62038·doi:10.1214/009053605000000255 此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符，并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献，而不要求匹配的完整性或精确性。