本文提出了三种不同的方法:基于参数的贝叶斯模型、基于 Dirichlet 过程混合和基于经验似然的贝叶斯模型来探索贝叶斯模式回归,并通过模拟数据和真实数据集进行了说明。
Aug, 2012
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
我们开发了一种在特征空间的所有区域具有用户指定的覆盖水平的预测区间生成方法,称为条件覆盖。我们发现传统的分位数回归可能具有较差的条件覆盖,并通过修改损失函数来解决这个问题,从而提高了实验室中的条件覆盖。
Jun, 2021
本研究提出了一种基于条件分布模型(如分位数和分布回归)构建有条件有效的预测区间的健壮方法,可以应用于横截面预测、k 步预测、合成控制和反事实预测、个体治疗效果预测等重要预测问题。
Sep, 2019
本研究介绍了一种新的多元条件生成模型,并展示了它在概率时间序列预测和模拟中的性能和多功能性。
Jul, 2019
本文通过支持向量机和非线性分位数回归结合非交叉约束的方法,进行了风能非参数概率预测的数值研究,并使用 Global Energy Forecasting Competition 2014 的公开数据进行了案例研究,结果表明该方法能够更准确地进行预测,避免交叉分位数预测的问题。
Mar, 2018
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
本文从统计学习的角度系统地研究了非参数模态回归问题。我们发现,MCCR(基于最大相关性准则的回归)在极小尺度参数下本质上是模态回归。作者提出了一种分析和实现模态回归的框架,包括模态回归函数的描述、模态回归风险的明确定义以及提出的代理模态回归风险等。理论和实证结果表明,模态回归在稳健性方面具有优越性,并且在计算实现中具有实用性。
Feb, 2017
该研究提出了一种新的框架,用于拟合添加量分位回归模型,提供关于条件分位数的精确推断和平滑参数的快速自动估计,适用于多样化的模型结构,同时保持数值效率和稳定性。
Jul, 2017
本文研究基于有限内存约束的大样本分位数回归问题,提出一种计算效率高的分位数回归估计方法,实现多轮聚合即可得到与所有数据计算分位数回归一样的效果,并适用于分布式计算环境和实时数据处理。
Oct, 2018