典型文献
非对称误差分布的贝叶斯累加回归树模型研究及应用
文献摘要：
贝叶斯累加回归树(BART)模型是一种非参数贝叶斯回归方法,在预测和变量重要性度量方面具有强大的功能.BART假设随机误差项服从正态分布,文章针对非对称数据,提出BART推广模型.所提模型首先根据BART树结构特点,基于中心极限定理,得到终节点响应变量均值的渐近分布;接着基于U统计量性质,得到响应变量方差的渐近分布;最后基于Backfitting MCMC算法进行抽样迭代和参数估计.通过数值模拟并和随机森林算法的比较,展示了所提模型的可行性和优越性.实例分析说明了所提模型的实用性.
文献关键词：
非对称误差分布;贝叶斯累加回归树;预测评价;变量重要性度量;随机森林
中图分类号：
作者姓名：
曹桃云;张日权
作者机构：
广东财经大学统计与数学学院,广州510320;广东财经大学大数据与教育统计应用实验室,广州510320;上海对外经贸大学统计与信息学院,上海201620
文献出处：
引用格式：
[1]曹桃云;张日权-.非对称误差分布的贝叶斯累加回归树模型研究及应用)[J].系统科学与数学,2022(11):3119-3133
A类：
非对称误差分布,Backfitting
B类：
贝叶斯累加回归树,回归树模型,研究及应用,BART,非参数,贝叶斯回归,变量重要性度量,随机误差,误差项,服从,正态分布,非对称数据,树结构,中心极限定理,应变量,渐近分布,统计量,MCMC,参数估计,随机森林算法,预测评价
AB值：
0.28751
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
