安德烈亚斯·迈尔；本杰明·霍夫纳 促进统计建模——非技术性介绍。 （英语） Zbl 07289513号 统计模型。 18，编号3-4，365-384（2018）. 摘要：Boosting算法最初是为机器学习开发的，但后来被用于估计统计模型——提供了各种实际优势，如自动变量选择和效应估计的隐式正则化。然而，对所得模型的解释与经典方法拟合的结果保持一致。因此，提升允许使用高级机器学习方案来估计各种类型的统计模型。本教程旨在强调如何将boosting用于半参数建模，算法设计的实际意义以及数据分析人员必须预期的缺陷。我们举例说明了boosting在分析印度儿童发育迟缓评分和高维肿瘤DNA数据集中的应用，以开发乳腺癌患者转移发生的生物标记物。 引用于6文件 MSC公司： 62至XX 统计 关键词：变量选择；高维数据；模型选择；统计学习 软件：赌博；FoSIntro公司；github；数据微阵列；GAMLSS公司；R（右）；姆博斯特 PDF格式BibTeX公司 XML格式引用 \textit{A.Mayr}和\textit{B.Hofner}，统计模型。18、编号3--4、365-384（2018；Zbl 07289513） 全文： 内政部 参考文献： [1] Arnold，F，Parasuraman，S，Arokiasamy，P，Kothari，M（2009）《印度营养：国家家庭健康调查》（NFHS-3），印度，200506（技术报告）。孟买：国际人口科学研究所；美国马里兰州卡尔弗顿：ICF Macro。 [2] Bauer，A，Scheipl，F，Küchenhoff，H，Gabriel，AA（2018）《半参数函数标度回归简介》。统计建模, 18 364-365. ·Zbl 07289512号 [3] Bender，A，Groll，A，Scheipl，F（2018）时间对事件分析的广义加性模型方法。统计建模, 18 299-321. ·Zbl 07289510号 [4] Berger，M，Schmid，M（2018）离散时间对事件数据的半参数回归。统计建模，18 322-345·Zbl 07289511号 [5] Breiman，L（2001）《统计建模：两种文化》（作者进行了评论和反驳）。统计科学, 16, 199-231. ·Zbl 1059.62505号 ·doi:10.1214/ss/1009213726 [6] Brockhaus，S，Melcher，M，Leisch，F，Greven，S（2017）使用大量功能历史效应推动灵活的功能回归模型。统计与计算，27113-926页·Zbl 1384.62131号 ·doi:10.1007/s11222-016-9662-1 [7] Bühlmann，P，Hothorn，T（2007）Boosting algorithms:Regulation，prediction and model fitting（带讨论）。统计科学, 22, 477-522. ·Zbl 1246.62163号 ·doi:10.1214/07-STS242 [8] Bühlmann，P，Gertheiss，J，Hieke，S，Kneib，T，Ma，S，Schumacher，M，Tutz，G，Wang，C-Y，Wang，Z，Ziegler，A（2014）关于“增强算法的演变和扩展统计增强”的讨论。医学信息方法, 53, 436-445. ·数字对象标识代码：10.3414/13100122 [9] de Onis，M，Monteiro，C，Akre，J，Clugston，G（1993）《全球蛋白质能量营养不良程度：世界卫生组织全球儿童生长数据库综述》。世界卫生组织公报, 71, 703-712. [10] Fenske，N，Burns，J，Hothorn，T，Rehfuess，EA（2013）《了解印度儿童发育迟缓：使用加性分位数回归对社会经济、营养和环境决定因素的综合分析》。公共服务一号第8页，e78692·doi:10.1371/journal.pone.0078692 [11] Fenske，N，Kneib，T，Hothorn，T（2011），通过促进加性分位数回归确定儿童严重营养不良的风险因素。美国统计协会杂志, 106, 494-510. ·Zbl 1232.62146号 ·doi:10.1198/jasa.2011.ap09272 [12] Freund，Y（1990）以多数人的方式推进弱学习算法。马萨诸塞州富尔克，Case，J eds，第三届计算学习理论年度研讨会论文集，COLT 1990，美国纽约州罗切斯特罗切斯特大学，1990年8月6日至8日，第202-216页·doi:10.1016/B978-1-55860-146-8.50019-9 [13] Gravier，E，Pierron，G，Vincent-Salomon，A，Gruel，N，Raynal，V，Savignoni，A，De Rycke，Y，Pierga，J-Y，Lucchesi，C，Reyal，F，Fourquet，A，Roman-Roman，S，Radvanyi，F，Sastre-Garau，X，Asselain，B，Delatter，O（2010）T1T2阴性乳腺癌患者的预后DNA特征。基因、染色体与癌症, 49, 1125-1134. ·doi:10.1002/gcc.20820 [14] Harrell，FE，Calif，RM，Pryor，DB，Lee，KL，Rosati，RA（1982年），评估医疗测试的结果。美国医学会杂志, 247, 2543-2546. ·doi:10.1001/jama.1982.03320430047030 [15] Harrell，FE，Lee，KL，Calif，RM，Pryor，DB，Rosati，RA（1984）改善预后预测的回归建模策略。医学统计学, 3, 143-152. ·数字对象标识代码：10.1002/sim.4780030207 [16] Hepp，T，Schmid，M，Gefeller，O，Waldmann，E，Mayr，A（2016）正则化回归方法——梯度增强和套索之间的比较。医学信息方法, 55, 422-430. ·doi:10.3414/ME16-01-0033 [17] Hofner，B，Hothorn，T，Kneib，T，Schmid，M（2011）基于增强的无偏模型选择框架。计算与图形统计杂志, 20, 956-971. ·doi:10.1198/jcgs.2011.09220 [18] Hofner，B，Kneib，T，Hothorn，T（2014a）约束回归的统一框架。统计与计算，26，1-14。doi:10.1007/s11222-014-9520-y·Zbl 1342.62115号 ·doi:10.1007/s11222-014-9520-y [19] Hofner，B，Mayr，A，Robinzonov，N，Schmid，M（2014b）《R中基于模型的助推：使用R包mboost的实践教程》。计算统计学，29，3-35。doi:/10.1007/s00180-012-0382-5·Zbl 1306.65069号 ·doi:10.1007/s00180-012-0382-5 [20] Hofner，B，Mayr，A，Schmid，M（2016）gamboostLSS:GAMLSS框架中模型构建和变量选择的R包。统计软件杂志, 74, 1-31. doi:10.18637/jss.v074.i01·doi:10.18637/jss.v074.i01 [21] Hothorn，T（2018）自上而下的转型选择。统计建模, 18 274-298. ·Zbl 07289509号 [22] Hothorn，T，Bühlmann，P，Kneib，T，Schmid，M，Hofner，B（2016）mbost:基于模型的增强.R程序包版本2.8-0。统一资源定位地址https://CRAN.R-project.org/package=mboost [23] Kneib，T，Hothorn，T，Tutz，G（2009），地质加性回归模型中的变量选择和模型选择。生物计量学, 65, 626-634. ·Zbl 1167.62096号 ·doi:10.1111/j.1541-0420.2008.01112.x [24] Koenker，R，Ng，P，Portnoy，S（1994）分位数平滑样条曲线。生物特征, 81, 673-680. ·Zbl 0810.62040 ·doi:10.1093/biomet/81.4.673 [25] Mayr，A，Binder，H，Gefeller，O，Schmid，M（2014a）推进算法的演变。医学信息方法, 53, 419-427. ·文件编号：10.3414/ME13-01-0122 [26] Mayr，A，Binder，H，Gefeller，O，Schmid，M（2014b）《扩大统计增长》。医学信息方法, 53, 428-435. ·文件编号：10.3414/ME13-01-0123 [27] Mayr，A，Fenske，N，Hofner，B，Kneib，T，Schmid，M（2012a）高维数据位置、规模和形状的广义加性模型——基于增强的灵活方法。英国皇家统计学会期刊，C辑（应用统计学）, 61, 403-427. ·文件编号：10.1111/j.1467-9876.2011.01033.x [28] Mayr，A，Hofner，B，Schmid，M（2012b）知道何时停止的重要性——组件式梯度提升的顺序停止规则。医学信息方法, 51, 178-186. ·doi:10.3414/ME11-02-0030 [29] Mayr，A，Hofner，B，Schmid，M（2016）通过优化一致性指数和稳定性选择提高稀疏生存模型的判别能力。BMC生物信息学, 17, 288. ·doi:10.1186/s12859-016-1149-8 [30] Mayr，A，Hofner，B，Waldmann，E，Hepp，T，Meyer，S，Gefeller，O（2017a）生物医学统计增长的更新。医学中的计算和数学方法.doi:10.115/2017/6083072·Zbl 1397.92018号 ·doi:10.1155/2017/6083072 [31] Mayr，A，Hothorn，T，Fenske，N（2012c）个体儿童未来BMI值的预测区间分位数提升的非参数方法。BMC医学研究方法学, 12. doi:10.1186/1471-2288-12-6·doi:10.1186/1471-2288-12-6 [32] Mayr，A，Schmid，M（2014）提高生存数据的一致性指数推导和评估生物标志物组合的统一框架。公共服务一号第9页，e84483·doi:10.1371/journal.pone.0084483 [33] Mayr，A，Schmid，M，Pfahlberg，A，Uter，W，Gefeller，O（2017b）一种置换测试，通过升压位置和比例模型分析医疗设备的系统偏差和随机测量误差。医学研究中的统计方法, 26, 1443-1460. [34] R开发核心团队（2016）R： 统计计算语言与环境.R统计计算基金会，奥地利维也纳。ISBN 3-900051-07-0。统一资源定位地址https://www.R-project.org [35] 日本雷米（2016）数据微阵列：用于分类的数据集集合.URLhttps://github.com/boost-R/datamicroray [36] Rigby，RA，Stasinopoulos，D（2005）位置、规模和形状的广义加性模型（含讨论）。应用统计学, 54, 507-554. ·Zbl 1490.62201号 ·doi:10.1111/j.1467-9876.2005.00510.x [37] Schmid，M，Hothorn，T（2008）使用组件式P样条推进加法模型。计算统计学与数据分析, 53, 298-311. ·Zbl 1231.62071号 ·doi:10.1016/j.csda.2008.09.009 [38] Sobotka，F，Kneib，T（2012），地质添加剂预期回归。计算统计与数据分析, 56, 755-767. doi:10.1016/j.csda.2010.11.015·Zbl 1241.62058号 ·doi:10.1016/j.csda.2010.11.015 [39] Stasinopoulos，M，Rigby，RA，de Bastiani，F（2018）使用GAMLSS的分布回归方法。统计建模，18 248-273·Zbl 07289508号 [40] Tibshirani，R（1996）通过套索回归收缩和选择。英国皇家统计学会学报B辑第58267-288页·Zbl 0850.62538号 [41] Tutz，G，Binder，H（2006）通过基于相似性的增强进行隐式变量选择的广义加性建模。生物计量学, 62, 961-971. ·Zbl 1116.62075号 ·doi:10.1111/j.1541-0420.2006.00578.x [42] Umlauf，N Kneib，T（2018）贝叶斯分布回归入门。统计建模, 18 219-247. ·Zbl 07289507号 [43] Waldmann，E（2018）分位数回归——关于如何和为什么的短篇故事。统计建模, 18 203-218. ·Zbl 07289506号 [44] Waldmann，E，Taylor-Robinson，D，Klein，N，Kneib，T，Pressler，T，Schmid，M，Mayr，A（2017），纵向和时间-事件数据的增强联合模型。生物医学杂志.doi:10.1002/bimj.201600158·Zbl 1379.62088号 ·doi:10.1002/bimj.201600158 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。