.png){kind=icon}
返回
Model Checking for Parametric Regressions in Transfer Learning
.png){kind=icon}
PRE
AI
DOI：10.1007/s11424-026-4608-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文考察了参数回归模型是否对源数据和目标数据均进行了正确设定，以及源域中的回归模式是否与目标域的回归模式一致。该评估是在协变量偏移假设下应用基于模型的迁移学习方法的必要前提。传统的回归模型检验和双样本回归检验不足以解决此问题。为克服这些局限性，作者提出了一种新的自适应于回归的检验统计量，该统计量渐近分布自由。在原假设下，该检验遵循卡方弱极限，保持了显著性水平，并无需重采样技术即可确定临界值。此外，作者系统分析了该检验的功效表现，强调了其对偏离原假设的不同子局部备择假设的敏感性。数值研究，包括模拟实验，评估了有限样本下的性能，并提供了一个实际数据示例用于说明。
Keyword:
Adaptive-to-model test
asymptotically distribution-free
model checking
parameter regression
transfer learning
期刊
IF:
2.8
论文数:
212
被引数:
2.1K
机构
引用论文
分享收藏Integrated conditional moment test and beyond: when the number of covariates is divergent.png)
Biometrika
OAAI
BiometrikaIF0
OAAI分享收藏
查看更多内容