用于补全水质数据的多目标 Tobit 模型
人工智能
2023-02-22 v1
摘要
监测水中的微生物行为对于管理水传播病原体带来的公共健康风险至关重要，尽管水中微生物浓度的量化仍具挑战性，因为水样中许多病原体的浓度常低于定量限，从而产生删失数据。为基于定量值进行统计分析，需以高精度估计未检出测量的真实值。Tobit 模型是分析删失数据的著名线性回归模型。Tobit 模型的一个缺陷是仅允许目标变量被删失。在本研究中，我们设计了经典 Tobit 模型的新扩展，称为多目标 Tobit 模型，通过引入多个目标变量来同时处理多个删失变量。为拟合新模型，基于精细理论开发了数值稳定的优化算法。使用多个真实世界水质数据集进行的实验证明，联合估计多列比分别估计它们具有显著优势。
引用
@article{arxiv.2302.10648,
title = {Multi-Target Tobit Models for Completing Water Quality Data},
author = {Yuya Takada and Tsuyoshi Kato},
journal= {arXiv preprint arXiv:2302.10648},
year = {2023}
}