留一主体交叉验证的渐近最优性与高效计算
统计理论
2013-02-20 v1 统计理论
摘要
尽管留一主体交叉验证 (CV) 在实践中被广泛用于纵向数据的各种非参数和半参数模型的调优参数选择，但其理论性质尚不清楚，且求解相关的优化问题计算成本高昂，特别是在存在多个调优参数时。本文聚焦于惩罚样条方法，证明了留一主体 CV 在渐近等价于经验平方误差损失函数最小化的意义上是最优的。我们开发了一种高效的 Newton 型算法来计算优化 CV 准则的惩罚参数。模拟数据和真实数据被用于展示留一主体 CV 在选择惩罚参数和工作相关矩阵方面的有效性。
引用
@article{arxiv.1302.4607,
title = {Asymptotic optimality and efficient computation of the leave-subject-out cross-validation},
author = {Ganggang Xu and Jianhua Z. Huang},
journal= {arXiv preprint arXiv:1302.4607},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/12-AOS1063 the Annals of Statistics (http://www.imstat.org/aos/) by the Institute of Mathematical Statistics (http://www.imstat.org)