方方，尹相菊，张强

华东师范大学统计学院, 上海 200241

出版日期:2018-07-25发布日期:2018-10-12

Divide and Conquer Algorithms for Model Averaging with Massive Data

FANG Fang ,YIN Xiangju, ZHANG Qiang

School of Statistics, East China Normal University, Shanghai 200241

Online:2018-07-25Published:2018-10-12







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

随着数据收集技术在近年来的飞速发展, 传统的统计方法都面临着``海量数据"的挑战. 分治算法是应对海量数据的最有效方法之一: 其基本思想是将整个数据集分成若干份较小的数据, 在每份数据上单独拟合统计模型, 然后将多个模型的结果进行整合从而得到最终的结果. 模型平均是当代统计学和计量经济学研究的国际前沿方法, 在经济、金融、生物、医学等方面有着 广泛的应用. 针对线性模型的MMA和JMA方法, 以及广义线性模型的模型平均方法, 文章分别提 出了它们在海量数据下的分治算法, 并通过模拟和实际数据分析来说明算法的有效性和实用性.

分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13416