典型文献
基于大规模数据尾期望回归的分布式计算方法
文献摘要：
大规模数据是需要新处理模式才能具有更强的洞察力和决策力的海量、高增长率和多样化的信息资产.分析海量数据的工作异常复杂,主要面临两个挑战:数据的难存储性和偏态性.基于此,文章主要研究以下两个问题:(1)将数据进行分布式存储,减轻单台机器的存储负担,采用尾期望回归分析偏态数据.(2)基于尾期望回归构造全局损失函数的一个交互有效的梯度增强型损失函数,为解决该损失函数的优化问题,提出修正的ADMM算法.模拟研究表明,在有限次主从机器之间交互次数下,提出的分布式计算方法得到的估计误差递减并趋于全局最优方法得到的估计误差.基于全国健康访谈调查(NHIS)数据的实证研究表明,提出的分布式计算方法对国民体重具有良好的预测性能.
文献关键词：
大规模数据;尾期望回归;分布式计算;修正的ADMM算法;NHIS
中图分类号：
作者姓名：
潘莹丽;刘飞;刘展;赵晓洛
作者机构：
湖北大学 数学与统计学学院,武汉430062;华中科技大学 法学院,武汉430074;武汉体育学院体育科技学院,武汉430079
文献出处：
引用格式：
[1]潘莹丽;刘飞;刘展;赵晓洛-.基于大规模数据尾期望回归的分布式计算方法)[J].统计与决策,2022(12):11-16
A类：
尾期望回归,NHIS
B类：
大规模数据,分布式计算方法,处理模式,洞察力,信息资产,海量数据,工作异常,分布式存储,单台,台机,损失函数,互有,增强型,优化问题,ADMM,限次,主从,估计误差,减并,全局最优,预测性能
AB值：
0.288437
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。
