提出一种随机算法来处理大规模数据量的分位数回归问题,该算法在近线性时间内计算给定分位数回归问题的(1+ϵ)近似解,并计算量子回归损失函数的低失真子空间保持嵌入。
May, 2013
本文提出了针对 Quantile Regression 的多个高效确定性和随机多项式算法,连接到 k 集的几何概念和随机分治算法,分别解决了二维和多维 Quantile Regression 问题。
Jul, 2023
分布式估计和支持恢复在高维线性分位数回归中具有重要意义,本文通过将原始分位数回归转化为最小二乘优化问题,并应用双平滑方法,提出了一种新的分布式方法来解决此类问题,在保证计算和通信效率的同时能够实现接近 Oracle 收敛速度和高支持恢复精度的估计结果。通过对合成实例和真实数据应用的大量实验,验证了该方法的有效性。
May, 2024
本文研究了具有重尾噪声的高维线性回归模型的分布式估计和支持恢复,并采用分位数回归损失函数来处理噪声。我们提出了一种计算和通信效率高的分布式估计器,理论上表明该方法在少数迭代后即能达到近乎理想的收敛速度,并且还为支持恢复提供了理论保证。
Jun, 2019
基于鲁棒分位数回归和深度学习的方法,在关键特征异常值存在的情况下,提出了用于估计不确定性的方法,并在医学成像翻译任务中展示了其适用性。
Sep, 2023
本文提出一种基于深度学习的通用算法,用于预测任意数量的分位数,并确保分位数单调性约束,达到机器精度,并在实验中获得最先进的结果,同时证明其可扩展性适用于大规模数据集。
Jan, 2022
本文提出和分析了一种基于线性分位数回归模型的条件模估计量,并开发了其渐近分布理论。同时构建了分析和子采样法置信区间,并通过蒙特卡洛模拟评估了估计量和置信区间的有限样本性能。最后,将该估计量运用于预测联合循环发电厂数据的净小时电能输出。
Nov, 2018
在空间插值和其他领域中,通过使用九种基于分位数的集成学习方法,将距离加权卫星降水数据与位置高程相结合,通过对比量化打分函数,证明了堆叠方法在提高概率预测方面的潜力。
Mar, 2024
提出了行采样算法,适用于各种损失函数的行采样算法,降低数据维度的采样复杂度,并应用于分位数回归和有向图稀疏化问题。
Jun, 2020
在这项研究中,我们提出了一种名为放宽量位回归(RQR)的方法,作为量位回归的替代方法,以构建具有提升的可取特性(例如平均宽度)并保留量位回归的重要覆盖保证的区间。
Jun, 2024