邏輯斯迴歸的子取樣方法之比較;A Comparison among Subsampling Methods for Logistic Regression

NCU Institutional Repository > 理學院 > 數學研究所 > 博碩士論文 > Item 987654321/86740

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/86740

題名:	邏輯斯迴歸的子取樣方法之比較;A Comparison among Subsampling Methods for Logistic Regression
作者:	陳俊廷;Chen, Chun-Ting
貢獻者:	數學系
關鍵詞:	A-最佳性;D-最佳性;邏輯斯迴歸;子取樣;A-optimality;D-optimality;Logistic regression;Subsampling
日期:	2021-08-19
上傳時間:	2021-12-07 13:10:28 (UTC+8)
出版者:	國立中央大學
摘要:	為了對資料中感興趣的二元分類變數做出推論或預測，以該變數做為反應變數建立邏輯斯迴歸是個很常見的方法。但是當我們感興趣的反應變數需要付出額外的成本才能取得標記，且在資源有限下只能標記一小部分的樣本時，如何從大樣本中選取對建立邏輯斯迴歸有較佳效率的子樣本進行標記就會是個重要的問題。本文的主要目標是在給定已知解釋變數但未知反應變數的資料中，處理子取樣問題以有效地估計參數。首先我們會介紹Wang et al. (2018)與Hsu et al. (2019)提出的子取樣方法。接下來我們會根據本研究的設定情境及最適設計理論來提出他們子取樣方法的變化型，並預期其有更好的表現。我們將會比較各方法在模擬資料與實際資料分析的效果。;To make inference for or to predict the binary variable of interest, we usually use logistic regression where the variable is treated as the response. When extra cost is needed to label the variable of interest under a limited budget, we can only label a small part of samples. How to select subsamples to be labelled to efficiently build a logistic regression model would be an important issue.The main purpose of this article is such subsampling problem for efficiently estimating parameters under known explanatory variables and unknown responses. First we introduce the subsampling methods introduced in Wang et al. (2018) and Hsu et al. (2019). Then, we propose modified methods which are more efficient in our framework.We will compare the performance of these methods by simulation studies and a real-word application.
顯示於類別:	[數學研究所] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	119	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....