fastfrechet：用于快速实现带分布响应的弗雷谢回归的 R 包
统计计算
2025-12-22 v1 统计方法学
摘要
分布响应回归问题正日益受到关注，尤其是在生物医学领域，其中可获得丰富的、面向个体的患者数据集，如CT扫描中的特征密度(Petersen 等，2021)、活动监测(Ghosal 等，2023)以及连续血糖监测(Coulter 等，2024；Matabuena 等，2021)。为容纳此类问题的复杂结构，Petersen 和 M"uller(2019)提出了一种称为弗雷谢回归的回归框架，允许非欧几里得响应，包括分布响应。在此基础上，Tucker 等人(2023)进一步扩展了该框架以进行变量选择，Coulter 等人(2024) (arXiv:2403.00922 [stat.AP])开发了一个针对单变量分布响应搭配2- Wasserstein度量(2-Wasserstein空间)的快速变量选择算法。我们提出了"fastfrechet"，提供这些弗雷谢回归和变量选择方法的快速实现，以及用于自动变量选择的抽样工具。"fastfrechet"使基于抽样补充的变量选择的分布式弗雷谢回归变得可得且高度可扩展至大型数据集，如UK Biobank(Doherty 等，2017)。
关键词
引用
@article{arxiv.2503.06401,
title = {fastfrechet: An R package for fast implementation of Fr\'echet regression with distributional responses},
author = {Alexander Coulter and Rebecca Lee and Irina Gaynanova},
journal= {arXiv preprint arXiv:2503.06401},
year = {2025}
}
备注
4 pages, 2 figures