伊尔玛丽·阿霍宁;贾科·纳瓦莱恩;丹尼斯·拉罗克 使用灵活的有限回归混合进行预测。 （英语） Zbl 1507.62004号 计算。统计数据分析。 132, 212-224 (2019)。 摘要：有限混合回归（FMR）广泛用于建模来自异质群体的数据。在这些设置中，与更传统的一类模型相比，FMR可以提供更高的预测能力。然而，现有的FMR方法严重依赖于线性模型的混合，其中线性预测器必须作为输入。结合随机森林学习器和惩罚线性FMR，提出了一种柔性FMR模型。在广泛的模拟研究中，通过预测对数似然来评估新方法的性能。当真实回归函数实际上是线性的时，该方法与现有的FMR方法具有同等的性能，并且在至少一个回归函数是非线性的情况下，该方法具有更好的性能。该方法可以处理大量协变量，其预测能力不受剩余变量的影响。 引用于三文件 MSC公司： 62-08 统计问题的计算方法 62H30型 分类和区分；聚类分析（统计方面） 62J05型 线性回归；混合模型 62J12型 广义线性模型（逻辑模型） 68T05年 人工智能中的学习和自适应系统 关键词：有限混合回归;随机森林;预测区间;引导数据库;惩罚 软件：降雪;格尔姆奈特;R（右）;柔性混音;nor1混合;伊斯兰解放军;贝叶斯DA;随机森林;SPMoE公司;费马索 PDF格式BibTeX公司 XML格式引用 \textit{I.Ahonen}等人，《计算》。统计数据分析。132212--224（2019年；兹bl 1507.62004） 全文： 内政部 链接 参考文献： [1] 贝洛尼，A。；Chernozhukov，V.，高维稀疏模型中模型选择后的最小二乘法，Bernoulli，19，2，521-547（2013）·Zbl 1456.62066号 [2] Bouveyron，C。；Brunet-Saumard，C.，《基于模型的高维数据聚类：综述》，《计算》。统计师。数据分析。，71, 52-78 (2014) ·Zbl 1471.62032号 [3] Breiman，L.，《随机森林》，马赫。学习。，45, 1, 5-32 (2001) ·Zbl 1007.68152号 [4] Bühlmann，P。；Van De Geer，S.，《高维数据统计：方法、理论和应用》（2011），施普林格科学与商业媒体·Zbl 1273.62015年 [5] Celeux，G。；Martin-Magniette，M.-L。；Maugis-Rabusseau，C。；Raftery，A.E.，《基于模型聚类中模型选择和正则化方法与变量选择的比较》，法国社会统计杂志（2009），155，2，57（2014）·Zbl 1316.62083号 [6] De Veaux，R.D.，线性回归混合，计算。统计师。数据分析。，8, 3, 227-245 (1989) ·Zbl 0726.62109号 [7] Dempster，A.P。；新墨西哥州莱尔德。；Rubin，D.B.，《通过em算法从不完整数据中获得最大似然》，J.R.Stat.Soc.Ser。B统计方法。，1-38 (1977) ·Zbl 0364.62022号 [8] 埃夫隆，B。；Tibshirani，R.J.，Bootstrap简介（1994），Chapman和Hall/CRC [9] 冯勇，于勇，2013年。高维变量选择中调谐参数选择的一致交叉验证。arXiv预打印arXiv:1308.5390；冯勇，于勇，2013年。高维变量选择中调谐参数选择的一致交叉验证。arXiv预打印arXiv:1308.5390 [10] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，通过坐标下降广义线性模型的正则化路径，J.Stat.Softw。，33, 1, 1 (2010) [11] 加林贝蒂，G。；Montanari，A。；Viroli，C.，聚类数据中变量选择的惩罚因子混合分析，计算。统计师。数据分析。，53, 12, 4301-4310 (2009) ·Zbl 1453.62094号 [12] Gelman，A。；Carlin，J.B。；斯特恩，H.S。；Rubin，D.B.，《贝叶斯数据分析》，第2卷（2014年），Taylor&Francis·Zbl 1279.62004号 [13] Hadavandi，E。；沙拉比，J。；Hayashi，Y.，SPMoE:用于多目标回归问题的新型子空间投影专家混合模型，软计算。，20, 5, 2047-2065 (2016) [14] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素》（2009），施普林格出版社·Zbl 1273.62005年 [15] Hennig，C.，聚类线性回归模型的可识别性，J.分类，17，2，273-296（2000）·Zbl 1017.62058号 [16] 黄，M。；李，R。；Wang，H。；Yao，W.，通过核平滑估计高斯过程的混合，J.Bus。经济。统计师。(2013) [17] 黄，M。；李，R。；Wang，S.，回归模型的非参数混合，J.Amer。统计师。协会，108，503，929-941（2013）·Zbl 06224977号 [18] Hyndman，R.J.，《计算和绘制最高密度区域》，美国。统计人员。，50, 2, 120-126 (1996) [19] James，G.，Witten，D.，Hastie，T.，Tibshirani，R.，2013年，《ISLR:R.R软件包1.0版中应用程序的统计学习入门数据》。统一资源定位地址http://CRAN.R-project.org/package=ISLR; James，G.，Witten，D.，Hastie，T.，Tibshirani，R.，2013年，《ISLR:R.R软件包1.0版中应用程序的统计学习入门数据》。统一资源定位地址http://CRAN.R-project.org/package=ISLR ·Zbl 1281.62147号 [20] Joly，A.，Schnitzler，F.，Geurts，P.，Wehenkel，L.，2012年。基于L1的随机森林模型压缩。参加：第20届欧洲人工神经网络研讨会。；Joly，A.，Schnitzler，F.，Geurts，P.，Wehenkel，L.，2012年。随机森林模型的基于L1的压缩。摘自：第20届欧洲人工神经网络研讨会。 [21] Khalili，A.，混合专家模型中的新估计和特征选择方法，加拿大。J.统计。，38119-539（2010年）·Zbl 1349.62071号 [22] Khalili，A。；Chen，J.，回归模型有限混合中的变量选择，J.Amer。统计师。协会，102，479（2007）·Zbl 1469.62306号 [23] Khalili，A。；陈，J。；Lin，S.，高维特征空间稀疏正态线性模型有限混合中的特征选择，生物统计学（2010） [24] Knaus，J.，2013年。降雪：更容易的集群计算（基于雪）。R包版本1.84-4。统一资源定位地址http://CRAN.R-project.org/package=降雪; Knaus，J.，2013年。降雪：更容易的集群计算（基于雪）。R包版本1.84-4。统一资源定位地址http://CRAN.R-project.org/package=降雪 [25] Leisch，F.，Flexmix:r，J.Stat.Softw中有限混合模型和潜在类回归的一般框架。（2004），网址http://www.jstatsoft.org/v11/i08/ [26] Liaw，A。；Wiener，M.，randomForest分类和回归，R News，2，3，18-22（2002），URLhttp://CRAN.R-project.org/doc/Rnews/ [27] Mächler，M.，2014年。nor1mix：正常（1-d）混合模型（S3类和方法）。R包版本1.2-0。统一资源定位地址http://CRAN.R-project.org/package=nor1mix; Mächler，M.，2014年。nor1mix：正常（1-d）混合模型（S3类和方法）。R包版本1.2-0。统一资源定位地址http://CRAN.R-project.org/package=nor1mix [28] 麦克拉克伦，G。；Peel，D.，有限混合模型（2004），John Wiley&Sons [29] Nelsen，R.B.，《Copulas简介》（2007），Springer Science&Business Media [30] Quandt，R.E.，估计转换回归的新方法，J.Amer。统计师。协会，67，338，306-310（1972）·Zbl 0237.62047号 [31] R核心团队，R：统计计算的语言和环境（2013），R统计计算基金会：R统计计算基金会，奥地利维也纳，URL网址：http://www.R-project.org/ [32] Spindler，M.，《工具变量选择的拉索：复制研究》，J.Appl。计量经济学（2014） [33] Städler，N.，2010，fmrlasso:回归有限混合拉索。R软件包版本1.0。；Städler，N.，2010，fmrlasso:回归有限混合拉索。R软件包版本1.0。 [34] 北卡罗来纳州施特勒。；Bühlmann，P。；Van De Geer，S.，混合回归模型的L1验证，Test，19，2，209-256（2010）·Zbl 1203.62128号 [35] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B统计方法。，267-288 (1996) ·Zbl 0850.62538号 [36] Xiang，S.，半参数混合模型（2014），堪萨斯州立大学（博士论文） [37] Yuksel，S.E。；Wilson，J.N。；Gader，P.D.，《二十年的专家混合》，IEEE Trans。神经网络。学习。系统。，23, 8, 1177-1193 (2012) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。