阿里尔·克莱纳;阿梅特·塔尔沃卡;Purnamrita Sarkar;迈克尔·乔丹。 用于海量数据的可扩展引导程序。 （英语） Zbl 07555464号 J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 76，第4期，795-816（2014）. 概要：引导提供了一种简单而强大的评估评估器质量的方法。然而，在涉及越来越普遍的大型数据集的环境中，基于bootstrap的数量的计算可能会在计算上要求过高。尽管原则上可以使用子采样和\（m\）out-of\（n\）bootstrap等变体来降低bootstrap计算的成本，但这些方法通常对调谐参数（如子采样数据点的数量）的规范不具有鲁棒性，并且它们通常需要了解估计器的收敛速度，与引导程序相反。作为一种替代方法，我们引入了“小引导包”（BLB），这是一种新的程序，它结合了引导和子抽样的特点，以产生一种稳健、计算效率高的评估估计器质量的方法。BLB非常适合现代并行和分布式计算体系结构，并且保留了引导的通用适用性和统计效率。我们通过理论分析说明了该过程的特性，并通过仿真研究比较了BLB与bootstrap、（m）out（n）bootstrap和subsampling，证明了BLB具有良好的统计性能。此外，我们还展示了BLB大规模分布式实现的结果，证明了其在海量数据上的计算优势，自适应选择BLB调整参数的方法，将BLB应用于几个实际数据集的实证研究，以及将BLB扩展到时间序列数据。 引用于72文件 MSC公司： 62至XX 统计 关键词：引导数据库;计算效率;估计员质量评估;海量数据;重新取样 PDF格式BibTeX公司 XML格式引用 \textit{A.Kleiner}等人，J.R.Stat.Soc.，Ser。B、 统计方法。76，第4号，795--816（2014；Zbl 07555464） 全文： 内政部 arXiv公司