.png){kind=icon}
返回
Optimal Distributed Model Averaging for Multivariate Additive Model
.png){kind=icon}
PRE
AI
DOI：10.1007/s11424-025-5054-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在数据量巨大的时代，分布式数据的研究是一个重要课题。通过结合所有机器的信息，模型平均可以有效地应用于分布式数据。对于线性模型，模型平均方法已在分布式数据背景下得到发展。然而，对于更复杂的模型，仍需进一步研究。本文中，作者提出了一种基于多元可加模型的分布式最优模型平均方法，该方法使用B样条近似未知函数，允许每台机器具有不同的平滑度。为了利用多元多重回归中相依误差的协方差矩阵信息，作者使用马氏距离构建了一种Mallows型的权重选择准则。该准则可通过两步在本地机器和中心机器之间传输信息来计算。作者证明了当协变量存在不确定性时，所提出的模型平均估计量的渐近最优性，并得到了权重向量向理论最优权重收敛的速度。这些结果对于单响应变量的可加模型也具有新颖性。数值实例表明，所提出的方法具有良好的性能。
Keyword:
Additive model
asymptotic optimality
consistency
distributed algorithm
weight choice
期刊
IF:
2.8
论文数:
212
被引数:
2.1K
机构
引用论文
分享收藏
Nonconcave penalized likelihood with a diverging number of parameters具有不同数量参数的非凹惩罚似然.png)
ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏分享收藏分享收藏
查看更多内容