스피커: 헨리 치아오 ), Ningde New Energy Technology Co., Ltd., 6시그마/TRIZ 승진자
연설 주제 : 퍼스 적용 페널티의 최대 우도 추정치는 다음과 같습니다. GLM 데이터 분리 문제를 해결하세요.
연설 요약:
이항 데이터 모델링에서는 p의 값 범위가 [0, 1]인 반면 일반 선형 모델 응답 𝑦의 값 범위는 (-무한대, +무한대)인 경우가 자주 발생합니다. p 및 요인 x. 선형; p는 서로 다른 요인 x 값의 분산이 동일하지 않은 경우입니다. 설명 변수가 많고, 표본 크기가 작고, 데이터 분포가 고르지 않은 경우 피팅에서 분리 문제가 발생하기 쉽습니다. 퍼스 페널티 최대 우도 추정을 적용하는 것이 데이터 분리 문제를 해결하는 더 좋은 방법입니다. Firth Penalized Maximum Likelihood Estimation(PMLE=Penalized Maximum Likelihood Estimation)의 기본 아이디어는 로그 우도 함수에 페널티 항을 추가하여 모수의 최대 우도 추정치의 편차를 줄이는 것입니다. 최대 우도 추정(MLE) 점근 이론에 기초하여 표본 공간의 각 데이터 포인트의 레이아웃에 따라 달라지며, 표본 크기가 크고 데이터 분포가 균형을 이룰 때 더 이상적인 결과를 얻을 수 있습니다. 본 영상에서는 GLM의 데이터 분리 문제를 해결하기 위해 Firth Pentential 최대 우도 추정을 적용하는 방법을 실제 사례를 통해 자세히 소개합니다.
