Smoothing spline ANOVA models for large data sets with Bernoulli observations and the randomized GACV
大规模伯努利数据的平滑样条 ANOVA 模型与随机化 GACVAI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：伯努利回归和平滑参数选择本身不足以归入离散选择，摘要未提供其他所列领域的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
大规模伯努利数据的平滑样条 ANOVA 模型与随机化 GACV
- 研究问题
- 对大规模伯努利观测，如何选择平滑样条 ANOVA 模型的多个平滑参数，并降低惩罚似然拟合的计算负担？
- 方法与思路
- 作者提出随机化广义近似交叉验证选择平滑参数，并选取表示基函数的近似子集求解惩罚似然变分问题。
- 材料陈述的贡献
- 摘要称组合方法可处理更大数据集，通过合成数据与既有代码比较，并考察贝叶斯区间的跨函数覆盖性质及眼科应用。
- 阅读关注点
- 应核对随机化准则与基函数子集的构造、计算和近似误差的权衡，以及跨函数覆盖性质与同时覆盖的区别。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；计算规模、模拟数值和区间具体定义未说明，眼科观察数据结果不能自动作因果解释。
原文摘要
We propose the randomized Generalized Approximate Cross Validation (ranGACV) method for choosing multiple smoothing parameters in penalized likelihood estimates for Bernoulli data. The method is intended for application with penalized likelihood smoothing spline ANOVA models. In addition we propose a class of approximate numerical methods for solving the penalized likelihood variational problem which, in conjunction with the ranGACV method allows the application of smoothing spline ANOVA models with Bernoulli data to much larger data sets than previously possible. These methods are based on choosing an approximating subset of the natural (representer) basis functions for the variational problem. Simulation studies with synthetic data, including synthetic data mimicking demographic risk factor data sets is used to examine the properties of the method and to compare the approach with the GRKPACK code of Wang (1997c). Bayesian “confidence intervals” are obtained for the fits and are shown in the simulation studies to have the “across the function” property usually claimed for these confidence intervals. Finally the method is applied to an observational data set from the Beaver Dam Eye study, with scientifically interesting results.