统计学 > 计算
[提交于 2017年2月3日
(v1)
,最后修订 2018年3月7日 (此版本, v2)]
标题: 大规模样本逻辑回归的最优子采样
标题: Optimal Subsampling for Large Sample Logistic Regression
摘要: 对于大规模数据,子采样算法族因其能够减少数据量和计算负担而广受欢迎。现有研究主要集中于近似线性回归中的普通最小二乘估计,其中通常使用统计杠杆得分来定义子采样的概率。本文提出了一种快速的子采样算法,以高效地近似逻辑回归中的最大似然估计。首先,我们建立了通用子采样算法下估计量的一致性和渐近正态性,并推导出最优的子采样概率,以最小化由此产生的估计量的渐近均方误差。此外,还提出了另一种最小化准则以进一步降低计算成本。最优的子采样概率依赖于完整的数据估计值,因此我们开发了一种两步算法来近似最优的子采样过程。该算法计算效率高,并且与完整数据方法相比,计算时间有显著减少。同时,我们也证明了两步算法下估计量的一致性和渐近正态性。通过合成数据集和真实数据集验证了所提出方法的实际性能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.