散布矩阵一致性：一种针对数据子集回归的诊断方法
机器学习
2019-07-23 v1
摘要
线性回归模型直接依赖于设计矩阵及其性质。通过划分设计矩阵的行来高效估计模型系数的技术，因其与现代并行计算架构的良好契合，在大规模问题中日益流行。我们提出了一种简单的设计矩阵与其行子集之间的一致性度量，用于评估一个子集能在多大程度上捕捉更大数据集的方差-协方差结构。我们展示了该度量在一种启发式方法中的应用，该方法用于选择行划分大小，以在实际问题中平衡统计效率与计算效率的目标。
引用
@article{arxiv.1507.03285,
title = {Scatter Matrix Concordance: A Diagnostic for Regressions on Subsets of Data},
author = {Michael J. Kane and Bryan Lewis and Sekhar Tatikonda and Simon Urbanek},
journal= {arXiv preprint arXiv:1507.03285},
year = {2019}
}