.png){kind=icon}
返回
Subsampling for Big Data Linear Models with Measurement Errors
.png){kind=icon}
PRE
AI
DOI：10.1007/s11222-025-10670-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，针对各种参数回归模型的大规模数据的子采样算法已被广泛研究。然而，所有关于子采样的现有研究都严重依赖于干净的大规模数据。在实际应用中，观测到的协变量可能由于测量误差而存在不准确。为解决带有测量误差的大数据集的挑战，本研究探讨了两种基于校正似然方法的子采样算法：利用逆概率加权的最优子采样算法和采用完全已知分布的随机加权的扰动子采样算法。给出了这两种算法的理论性质。数值模拟和两个真实数据示例表明，与现有其他算法相比，所提出的方法是有效的。
Keyword:
Corrected likelihood method
Measurement error
Subsampling algorithm
期刊
S
IF:
1.6
论文数:
206
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容