广义加性模型的快速稳定直接拟合与平滑度选择
统计方法学
2015-11-13 v1 统计计算
摘要
现有的用于惩罚似然 GAM 拟合的计算高效方法，采用在工作线性模型（或工作混合模型）上进行迭代平滑度选择的方案。此类方案对于不可忽略比例比例的模型无法收敛，且在存在共曲率（concurvity）时失败尤为频繁。如果通过优化“整体模型”准则来执行平滑度选择，这些问题便会消失，但迄今为止的尝试均采用基于有限差分的优化方案，其计算效率低下且可能遭受虚假收敛。本文开发了第一种用于直接 GAM 平滑度选择的计算高效方法。该方法高度稳定，同时通过精心构建实现了计算效率，使得在模拟中其平均计算时间低于基于工作模型平滑度选择的方案。该方法还提供了一种拟合广义加性混合模型的可靠途径。
引用
@article{arxiv.0709.3906,
title = {Fast stable direct fitting and smoothness selection for Generalized Additive Models},
author = {Simon N. Wood},
journal= {arXiv preprint arXiv:0709.3906},
year = {2015}
}