大数据背景下基于expectile回归模型的分布式优化方法研究

作     者：潘莹丽 刘展 蔡雯 PAN Ying-li;LIU Zhan;CAI Wen

作者机构：湖北大学数学与统计学学院应用数学湖北省重点实验室湖北武汉430062 

基　　金：国家自然科学基金(11901175) 

出 版 物：《数学的实践与认识》 (Mathematics in Practice and Theory)

年 卷 期：2020年第50卷第14期

页      码：259-268页

摘      要：随着大数据时代的到来,运用统计的思维和方法挖掘隐藏在数据里的价值成为大数据领域的热门研究方向.数据挖掘的常用方法是回归分析,最小二乘回归只对因变量均值做出估计,而expectile回归可以估计因变量的整体分布.本文以大数据为背景,在expectile回归模型下,提出分布式存储数据的思想,并通过构造全局损失函数的一个替代损失函数,设计Proximal-ADMM算法对模型中的参数进行估计.达到了仅使用局部样本就可有效评估全局损失函数的目的,解决了大数据中样本量大导致的计算成本昂贵的问题.

主 题 词：大数据 expectile回归 分布式 替代损失函数 

学科分类：12[管理学] 02[经济学] 0202[经济学-财政学类] 020208[020208] 1201[管理学-管理科学与工程类] 07[理学] 0714[0714] 070103[070103] 0701[理学-数学类] 

馆 藏 号：203968328...