.png){kind=icon}
返回
Robust inference with incompleteness for logistic regression model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.sigpro.2025.110027.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统逻辑回归模型通常假设观测到的协变量是完整的。然而，实际场景中常常涉及缺失数据和异常值，这带来了显著挑战。本文提出了一种新方法，通过在逻辑回归框架内引入服从学生t分布的随机协变量来解决这些问题。我们提出了一种适用于逻辑回归的鲁棒随机近似期望最大化算法（REM-LR），该算法不仅能提高模型对缺失值和异常值的鲁棒性。
Keyword:
Parametric estimation
Missing values
Robustness
Maximum likelihood
Expectation-maximization algorithm
Logistic regression
期刊
IF:
3.6
论文数:
9.9K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
分享收藏Matched and Mismatched Estimation of Kronecker Product of Linearly Structured Scatter Matrices Under Elliptical Distributions在椭圆分布下对线性结构散射矩阵Kronecker积的匹配与不匹配估计
OAAI
OAAI分享收藏
查看更多内容