參數模型與非參數模型研究關於

在大數據時代,我們常常面臨成萬上億的數據,伴隨著的是高維度的變量,當今很多學術和技術領域都致力於解決針對大數據的模型構造,例如神經網絡、深度學習。但對於金融和商業領域,變量是如何影響響應變量的(可解釋性)、模型是否可靠等因素尤為重要,特別是當我們的數據集只包含了屈指可數的幾個變量,那麼特徵變量的選取應更嚴謹,變量與響應變量間關係的量化也是重要的指標,此時可以運用更為精細的模型探索方法。廣義線性模型和廣義加性模型分別由線性模型和加性模型推廣而來,能更廣泛地應用於不同分佈的數據,並輔以似然比檢驗逐步優化模型。本文將從參數模型和非參數模型的角度,以廣義線性模型和廣義加性模型為例,配以相應的案例,對模型探索以及優化方法進行簡要介紹。

立即體驗,開啟數位化轉型之旅!