SplitWise 回归：基于自适应哑变量编码的分步建模
机器学习
2026-02-06 v1 计量经济学
应用统计
统计方法学
机器学习
摘要
在不牺牲可解释性的前提下捕捉非线性关系始终是一个持久的回归建模挑战。我们引入 SplitWise，一个新型框架，增强了分步回归。它自适应地将数值预测变量转换为基于阈值的二元特征，使用浅层决策树，仅在此类转换提升模型拟合度时才采用，即由赤池信息准则 (AIC) 或贝叶斯信息准则 (BIC) 评估。该方法在保持线性模型透明度的同时，灵活地捕捉非线性效应。作为用户友好的 R 软件包实现，SplitWise 在合成数据和真实数据集上进行评估。结果表明，它一致产生比传统分步和惩罚性回归技术更简洁、更具概括性的模型。
引用
@article{arxiv.2505.15423,
title = {SplitWise Regression: Stepwise Modeling with Adaptive Dummy Encoding},
author = {Marcell T. Kurbucz and Nikolaos Tzivanakis and Nilufer Sari Aslam and Adam M. Sykulski},
journal= {arXiv preprint arXiv:2505.15423},
year = {2026}
}
备注
15 pages, 1 figure, 3 tables