返回
An algorithm for estimating threshold boundary regression models
DOI:10.1016/j.csda.2025.108274.png)
摘要
En 中文
本文提出了一种创新的迭代两阶段算法,用于估计阈值边界回归(TBR)模型。通过将拟合TBR模型中固有的非可微最小二乘(LS)问题转化为优化框架,本算法结合了阈值模型加权分类误差函数的优化与回归模型LS估计量的获取。为提高TBR模型估计的效率和灵活性,我们集成了加权支持向量机(WSVM)作为求解加权分类问题的代理方法。与近期发展的方法相比,TBR-WSVM算法具有以下关键优势:消除了对阈值参数预设定的要求,能够灵活估计非线性阈值边界,并简化了估计过程。我们进行了若干模拟研究以说明TBR-WSVM的有限样本性能。最后,通过真实数据分析展示了TBR模型的实际适用性。
Keyword:
Least-squares method
Support vector machine
Weighted binary classification
期刊
C
IF:
1.6
论文数:
12
被引数:
1.0W
机构
暂无机构信息
引用论文
A threshold linear mixed model for identification of treatment-sensitive subsets in a clinical trial based on longitudinal outcomes and a continuous covariate基于纵向结局和连续协变量的阈值线性混合模型,用于识别临床试验中治疗敏感亚组

