层次模型的快速矩估计

层次模型允许群体中存在异质性行为，同时借用了所有子群体的估计强度。不幸的是，现有的基于似然的层次模型拟合方法具有很高的计算需求，这些需求限制了它们在大规模预测和推断问题中的应用。本文提出了一种基于矩的过程来估计层次模型的参数，其根源在于 Cochran 于 1937 年最初引入的一种方法。该方法以统计效率换取计算效率。它提供了一致的参数估计、具有竞争力的预测误差性能以及显著的计算改进。当应用于大规模推荐系统应用并与标准最大似然过程进行比较时，该方法提供了具有竞争力的预测性能，同时将顺序计算时间从数小时减少到数分钟。