講演者:ヘンリー・チャオ)、寧徳新エネルギー技術有限公司、 6シグマ/TRIZ推進者
スピーチの話題: ファースを適用ペナルティの最尤推定値は次のとおりです。 GLMデータ分離の問題を解決する
スピーチの概要:
二項データ モデリングでは、p の値の範囲が [0, 1] であるのに対し、一般線形モデル応答 𝑦 の値の範囲は (−∞, +∞) であることがよくあります。これらの間には非線形の関係があります。 p と因子 x 線形; p は、さまざまな因子 x の値の分散が等しくない場合です。説明変数が多く、サンプル サイズが小さく、データの分布が不均一な場合、フィッティングで分離問題が発生しやすくなります。データ分離問題を解決するには、ファース ペナルティの最尤推定を適用する方が良い方法です。 Firth ペナルティ付き最尤推定 (PMLE=ペナルティ付き最尤推定) の基本的な考え方は、対数尤度関数にペナルティ項を追加して、パラメータ最尤推定の偏差を減らすことです。最尤推定 (MLE)漸近理論に基づくと、サンプル空間内の各データ ポイントの配置に依存します。サンプル サイズが大きく、データ分布のバランスが取れている場合、より理想的な結果が得られます。このビデオでは、GLM におけるデータ分離問題を解決するために Firth ペナルティ最尤推定を適用する方法を実際の事例を通じて詳しく紹介します。
