典型文献
大数据背景下基于Huber回归模型的分布式优化方法研究
文献摘要：
随着高科技的快速发展,大规模数据的涌入给现有的统计方法和理论带来新的挑战.大数据很容易被异常值污染,可能包含具有厚尾分布的变量,使得许多常规方法不再适用.为了消除异常值和厚尾变量的影响,本文以大数据为背景,采用Huber回归方法,用于鲁棒的估计和推断.为了达到仅使用局部样本就可有效评估全局损失函数的目的,本文构造出全局损失函数的一个交互有效的替代损失函数,将基于全局损失函数的优化转化为基于替代似然函数的优化.为了对Huber回归模型中的参数进行估计,本文设计Proximal-ADMM算法,并结合分布式优化的思想有效解决大规模数据导致的计算成本昂贵和机器之间交互复杂度过高的问题.
文献关键词：
大数据;Huber回归;交互有效的替代损失函数;Proximal-ADMM算法;分布式优化
中图分类号：
作者姓名：
潘莹丽;刘展;朱千慧子
作者机构：
湖北大学数学与统计学学院,湖北武汉430062;应用数学湖北省重点实验室,湖北武汉430062
文献出处：
引用格式：
[1]潘莹丽;刘展;朱千慧子-.大数据背景下基于Huber回归模型的分布式优化方法研究)[J].数理统计与管理,2022(04):633-646
A类：
交互有效的替代损失函数
B类：
大数据背景下,Huber,分布式优化,大规模数据,涌入,统计方法,异常值,多常,常规方法,有效评估,似然函数,Proximal,ADMM,想有,计算成本,昂贵,贵和
AB值：
0.273065
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。
