用于参数估计的极小极大两阶段梯度提升
统计方法学
2023-11-21 v1
摘要
参数估计是统计学与系统辨识中的重要分支。文献中已提出多种参数估计方法，其中两阶段（TS）方法因易于实现和估计可靠而尤为有前景。在用于推导TS估计量的不同统计框架中，极小极大框架因对待估参数先验知识依赖较弱而具吸引力。然而，现有极小极大TS方法的实现因计算负担重而适用性有限。本文通过在TS方法第二阶段使用梯度提升机（GBM）克服此困难。我们将所得算法称为两阶段梯度提升机（TSGBM）估计量。最后，我们在若干数值算例（包括动力系统模型）上测试了所提TSGBM估计量。
引用
@article{arxiv.2311.11657,
title = {Minimax Two-Stage Gradient Boosting for Parameter Estimation},
author = {Braghadeesh Lakshminarayanan and Cristian R. Rojas},
journal= {arXiv preprint arXiv:2311.11657},
year = {2023}
}
备注
6 pages