调查抽样中设计无偏的统计学习
机器学习
2020-03-26 v1 机器学习
统计理论
统计理论
摘要
设计一致模型辅助估计已成为调查抽样中的标准做法。然而，迄今为止缺乏一种通用理论，使其能够纳入可能导致更强大辅助模型的现代机器学习技术。我们提出一种子抽样 Rao-Blackwell 方法，并借助线性或非线性预测模型发展用于精确设计无偏估计的统计学习理论。我们的方法利用了统计科学的经典思想以及快速发展的机器学习（Machine Learning）领域。在提供丰富辅助信息的情况下，相较于标准线性模型辅助方法，它可带来可观的效率提升，同时确保对给定目标总体的有效估计，该估计对辅助模型在个体层面的潜在误设定具有鲁棒性。
引用
@article{arxiv.2003.11423,
title = {Design-unbiased statistical learning in survey sampling},
author = {Luis Sanguiao Sande and Li-Chun Zhang},
journal= {arXiv preprint arXiv:2003.11423},
year = {2020}
}