克劳迪奥，匡瓦诺;杜塞尔多普，伊莉丝 通过logistic分类树干模拟阈值交互效应。 （英语） Zbl 1381.62160号 J、 经典。 34号，第3期，399-426（2017年）. 摘要：我们介绍了一个处理二元响应数据中交互效应识别的模型，它集成了递归划分和广义线性模型。它源于一个特别的规范和随后的同步阈值交互建模算法（STIMA）的实现。该模型被称为Logistic分类树干模型，它允许我们通过同时估计主效应和阈值交互效应来获得回归参数。该模型的主要特点是，它允许用户评估一个唯一的模型，同时评估两个效果的重要性，这两个效果都是通过先生长一个分类主干，然后通过修剪来避免过度拟合而获得的。我们通过模拟研究探讨了一个合适的修剪参数的选择，并在25个二元响应数据集上比较了Logistic分类主干与13个替代模型/分类器的分类精度。 引用于1文件 理学硕士： 62小时30分 分类和区分；聚类分析（统计方面） 68T05型 人工智能中的学习与自适应系统 关键词：史提玛;广义线性模型;逻辑回归;递归分区;相互作用效应;回归树干 软件：核实验室;UCI毫升;巴蒂;电子状态学习;知识产权证书;插入符号;C50型;随机森林;阿普洛尔3;零件;质量（R）;mlbench公司;巴特机器;阿达;丙二醛;C4.5款;加姆;R;贝伊斯特里;第四。数据 PDF格式 BibTeX公司 XML 引用 \texttit{C.Conversano}和\textti{E.Dusseldorp}，J.Classif。34号，第3号，399--426（2017；Zbl 1381.62160） 全文： 内政部 开放URL 参考文献： [1] 艾伦，J；LE，H，logistic回归模型总体效应大小的附加测量，教育与行为统计杂志，33416-441，（2008） [2] 阿斯曼，旧金山；霍斯默，DW；LEMESHOW，S；MUNDT，KA，交互作用测量的置信区间，流行病学，7286-290，（1996） [3] BACHE，K.和LICHMAN，M.（2013），“UCI机器学习库”，加州大学欧文分校，信息与计算机科学学院，http://archive.ics.uci.edu/ml/。 [4] 巴利，何；SORENSON，BE，《计量经济学中的相互作用效应》，实证经济学，45583-603，（2013年） [5] 伯灵顿·德冈兹·莱兹，A；考克斯博士，《交互作用的解释：回顾》，《应用统计学年鉴》，1371-385，（2007）·Zbl 1416.62314号 [6] 布雷曼，L，装袋预测，机器学习，24123-140，（1996）·Zbl 0858.68080 [7] 布雷曼，L，随机森林，机器学习，45，5-32，（2001）·Zbl 1007.68152号 [8] BREIMAN，L.，FRIEDMAN，J.，OLSHEN，R.和STONE，C.（1984年），分类和回归树，加利福尼亚州蒙特利：沃兹沃斯和布鲁克斯·Zbl 0541.62042 [9] 奇普曼，哈；乔治，EI；MCCULLOCH，RE，Bart:贝叶斯加性回归树，《应用统计学年鉴》，4266-298，（2010）·Zbl 1189.62066 [10] COHEN，J.，COHEN，P.，WEST，S.和AIKEN，L.（2003年），行为科学中的应用多元回归/相关分析，新泽西州马华：劳伦斯·厄尔鲍姆。 [11] 卡尔普，M.，约翰逊，K.和米查利迪斯，G.（2012年），ada：随机Boosting的R包，R程序包版本2.0-3，http://CRAN.R-project.org/package=ada。 ·Zbl 0858.68080 [12] DAWSON，J.《管理研究的适度性：什么、为什么、何时和如何进行》，《商业与心理学杂志》，29，1-19，（2014） [13] DEMáAR，J，多数据集上分类器的统计比较，机器学习研究杂志，7，1-30，（2006）·Zbl 1222.68184 [14] 杜塞尔多普E；CONVERSANO，C；VAN OS，BJ，同时结合加法和基于树的回归模型：stima，计算和图形统计杂志，19514-530，（2010） [15] FLEMING，T.和HARRINGTON，D.（1991年），计数过程与生存分析，新泽西州霍博肯：约翰威利父子公司·Zbl 0727.62096 [16] 《多元自适应回归样条曲线》，《统计年鉴》，19，1-67，（1991）·Zbl 0765.62064 [17] 弗里德曼，JH；黑斯蒂，T；TIBSHIRANI，R，加性逻辑回归：boosting的统计观点，统计年鉴，28337-374，（2000）·Zbl 1106.62323 [18] GRUBINGER，T.，ZEILEIS，A.和PFEIFFER，K.P.（2011），“R中全局最优分类和回归树的进化学习”，工作论文2011-20。经济学和统计学工作论文，实证和实验经济学研究平台，因斯布鲁克大学，http://EconPapers.RePEc.org/RePEc:inn:wpaper:2011-20。 [19] HALVORSEN，T.（2012年），“ElemStatLearn:数据集、函数和示例”，in统计学习、数据挖掘、推理和预测的要素T.Hastie、R.Tibshirani和J.Friedman，R软件包版本2012.04-0，http://CRAN.R-project.org/package=ElemStatLearn。 [20] 汉德，D.J.（1997年），分类规则的构建与评估，奇切斯特：威利·Zbl 0997.62500 [21] HASTIE，T.J.，FRIEDMAN，J.H.，和TIBSHIRANI，R.J.（2009年），统计学习要素，纽约：斯普林格·Zbl 1273.62005 [22] HASTIE，T.J.，和TIBSHIRANI，R.J.（1990年），广义加法模型，伦敦：查普曼和霍尔·Zbl 0747.62061 [23] HASTIE，T.（2013年），广义加性模型，R程序包版本1.09，http://CRAN.R-project.org/package=gam。 [24] HASTIE，T.和TIBSHIRANI，R.（2013年），mda：混合与柔性判别分析，R包0.4-4版，S原创，Hastie和Tishirani原创，Risch、Hornik和Ripley原创R port，http://CRAN.R-project.org/package=mda。 [25] 霍特霍恩，T；霍尼克，K；ZEILEIS，A，无偏递归划分：条件推理框架，计算与图形统计杂志，15651-674，（2006） [26] HOSMER，D.W.，LEMESHOW，S.，和STURDIVANT，R.X.（2013年），应用逻辑回归（第三版），新泽西州霍博肯：约翰威利父子公司·Zbl 1276.62050 [27] HOSMER，D.W.，和LEMESHOW，S.（2000年），应用逻辑回归（第二版），霍博肯新泽西州：约翰威利父子公司·Zbl 0967.62045 [28] HOSMER，D.W.，和LEMESHOW，S.（1989年），应用逻辑回归（第1版），霍博肯新泽西州：约翰威利父子公司·Zbl 0967.62045 [29] HOTHORN，T.（2014），“TH.Data:TH的数据存档”，R包版本1.0-3，http://CRAN.R-project.org/package=TH.data。 [30] KALBFLEISCH，J.D.，和PRENTICE，R.L.（1980年），失效时间数据的统计分析，纽约：约翰威利和儿子·Zbl 0504.62096 [31] KAPELNER，A.和BLEICH，J.（2013年），“bartMachine:机器学习的强大工具”，ArXiv电子打印, http://arxiv.org/abs/1312.2171。 ·Zbl 1416.62314号 [32] 卡拉佐格鲁，A；迈耶，D；HORNIK，K，R中的支持向量机，统计软件杂志，15，1-28，（2006） [33] 卡拉佐格鲁，A；斯莫拉，A；霍尼克，K；ZEILEIS，A，Kernlab—R中内核方法的S4包，统计软件杂志，11，1-20，（2004） [34] 金，H；LOH，W，无偏多向分割的分类树，美国统计协会杂志，96589-604，（2001） [35] KUHN，A.【J.Wing、S.Weston、A.Williams、C.Keefer、A.Engelhardt、T.Cooper、Z.Mayer和R核心团队的贡献]（2014年），“caret:分类和回归培训。R包版本6.0-30”，http://CRAN.R-project.org/package=caret。 [36] KUHN，M.，WESTON，S.和COULTER，N.（2014年），“C50:C5.0决策树和基于规则的模型”，R程序包版本0.1.0-19，（R.Quinlan为C5.0编写的C代码），http://CRAN.R-project.org/package=C50。 [37] 兰德维尔，N；霍尔，M；FRANK，E，逻辑模型树，机器学习，59161-205，（2005）·Zbl 1101.68767 [38] LEISCH，F.和DIMITRIADU，E.（2010年），“mlbench:机器学习基准问题”，R程序包版本2.1-1，http://CRAN.R-project.org/package=mlbench。 [39] LIAW，A；《随机森林分类与回归》，R News，2，18-22，（2002） [40] LOH，W-Y，提高分类树的精度，应用统计学年鉴，31710-1737，（2009）·Zbl 1184.62109 [41] 洛，W-Y；石英云，分类树的分割选择方法，统计，7815-840，（1997）·Zbl 1067.62545 [42] MCCULLAGH，P.和NELDER，J.A.（1989年），广义线性模型，伦敦：查普曼和霍尔·Zbl 0744.62098 [43] 《城市出行需求的计量》，公共经济学杂志，303-328，（1974） [44] 梅纳德，S，多元logistic回归分析的决定系数，美国统计学家，54，17-24，（2000） [45] 摩根，JN；SONQUIST，JA，《调查数据分析中的问题及建议》，美国统计协会期刊，58415-434，（1963）·京保0114.10103 [46] 斯考比特：logit和probit的另一种估计方法，美国政治科学杂志，38230-255，（1993） [47] 内尔德，JA；韦德伯恩，RWM，广义线性模型，皇家统计学会杂志，A系列，135370-384，（1972） [48] PETERS，A.和HOTHORN，T.（2013年），“ipred：改进的预测因子”，R软件包版本0.9-3，http://CRAN.R-project.org/package=ipred。 ·Zbl 1007.68152号 [49] 昆兰，J.R.（1993年），C4.5：机器学习程序，加州圣弗朗西索：摩根考夫曼出版公司。 [50] R核心团队（2016年），R： 统计计算语言和环境统计计算基金会，奥地利维也纳。 [51] RIPLEY，B.D.（1996年），模式识别与神经网络，纽约：剑桥大学出版社·Zbl 0853.62046 [52] RUSCH，T；李，我；霍尼克，K；张伟；ZEILEIS，A，《用统计影响选举：用逻辑回归树锁定选民》，《应用统计学年鉴》，71612-1639，（2013）·Zbl 1454.62505 [53] THERNEAU，T.，ATKINSON，B.和RIPLEY，B.D.（2014年）。rpart：递归分区和回归树. R程序包版本4.1-5，http://CRAN.R-project.org/package=rpart。 [54] VENABLES，W.N.和RIPLEY，B.D.（2002年）现代应用统计学，纽约：斯普林格·Zbl 1006.62003 [55] WITTEN，I.H.和FRANK，E.（2005年），数据挖掘：实用的机器学习工具和技术，加利福尼亚州旧金山：摩根考夫曼·Zbl 1076.68555 [56] 泽利斯，A；霍特霍恩，T；HORNIK，K，基于模型的递归划分，计算与图形统计杂志，17492-514，（2008） 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。