基于计算机视觉模型的残差图自动评估
机器学习
2024-11-05 v1 计算机视觉与模式识别
机器学习
摘要
绘制残差图是诊断线性模型假设（如非线性、异方差和非正态性）偏离的推荐做法。可以使用 lineup 协议进行视觉推断来测试残差图中的结构。虽然存在多种常规残差检验方法，但 lineup 协议作为一种统计检验用于诊断目的更不敏感，适用于不同类型的偏离。然而，lineup 协议依赖人类判断，这限制了其可扩展性。本 work 提供了计算机视觉模型来自动评估残差图的解决方案。该模型被训练以预测距离度量，用于量化拟合经典正态线性回归模型残差分布与参考分布之间的差异，基于 Kullback-Leibler 散度。通过大量仿真研究，计算机视觉模型的灵敏度低于常规检验方法，但高于人类视觉检验。在非线性模式方面，稍微有效性较低。来自经典论文和当代数据的几个例子说明了新程序，突显了其在自动化诊断流程中有用的性质，以及补充现有方法的作用。
引用
@article{arxiv.2411.01001,
title = {Automated Assessment of Residual Plots with Computer Vision Models},
author = {Weihao Li and Dianne Cook and Emi Tanaka and Susan VanderPlas and Klaus Ackermann},
journal= {arXiv preprint arXiv:2411.01001},
year = {2024}
}