基于类收缩方法的分簇线性回归模型估计
统计方法学
2016-11-11 v1
摘要
文献中已提出在有限正态混合背景下最大似然估计的约束方法。本文提出一种完全数据依赖的约束方法，用于分簇线性回归的最大似然估计，扩展了先前针对分类的高斯有限混合等变数据驱动估计的工作。该方法基于从数据估计的目标值（我们取为同方差）对分量方差施加合理界限。然而，本工作不仅关注分类恢复，还关注模型参数估计的优劣。特别地，本文阐明了该过程的类收缩解释，其中目标为同方差模型：这不仅与估计的尺度接近目标的程度有关，还扩展到估计的分簇线性回归和分类。基于模拟和真实数据结果，我们表明我们的方法产生的最终模型是异方差模型与同方差模型之间最贴合数据的折衷。
引用
@article{arxiv.1611.03309,
title = {Estimation of clusterwise linear regression models with a shrinkage-like approach},
author = {Roberto Di Mari and Roberto Rocci and Stefano Antonio Gattone},
journal= {arXiv preprint arXiv:1611.03309},
year = {2016}
}