分支定界法评估不确定模型中回归系数的稳定性
统计方法学
2024-08-20 v1 机器学习
最优化与控制
摘要
解释不确定模型的系数可能很困难。回归模型的斜率系数可能随着协变量的加入或移除而改变。在高维数据的背景下，有太多的模型扩展需要检验。然而，正如我们在这里所展示的，可以利用分支定界算法在正则化回归模型的离散空间中高效搜索该调整斜率系数的最大值和最小值。这里我们介绍了我们的算法、支持的数学结果、一个示例应用以及我们的计算机代码链接，以帮助研究人员总结高维数据并评估不确定模型中回归系数的稳定性。
引用
@article{arxiv.2408.09634,
title = {Branch and Bound to Assess Stability of Regression Coefficients in Uncertain Models},
author = {Brian Knaeble and R. Mitchell Hughes and George Rudolph and Mark A. Abramson and Daniel Razo},
journal= {arXiv preprint arXiv:2408.09634},
year = {2024}
}