.png){kind=icon}
返回
INFORMATION-BASED OPTIMAL SUBDATA SELECTION FOR CLUSTERWISE LINEAR REGRESSION
.png){kind=icon}
PRE
AI
DOI：10.5705/ss.202023.0302.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
专家混合（MoE）模型通常用于存在具有不同自变量与因变量关系特征的明显聚类情况。然而，对大型数据集拟合此类模型在计算上几乎不可行。一种有吸引力的替代方法是使用通过最大化费舍尔信息矩阵选取的子数据。主要挑战在于，对于此类模型，费舍尔信息矩阵无闭式表达式。针对作为MoE模型子类的聚类线性回归模型，我们开发了一个克服该挑战的框架。我们证明了所提出的子数据选取方法是大样本最优的，即当全数据规模较大时，没有任何其他方法比所提出的方法统计上更有效。
Keyword:
D-optimality
information matrix
latent indicator
massive data
MLE
