Polychotomous Regression
多分类回归AI 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：摘要直接研究多类别响应的回归建模，方法对象与离散选择相关，但所述应用是分类识别，未包含经济行为解释。
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…
多分类回归
- 研究问题
- 面对多类别响应和多个预测变量，如何自动构造可用于分类的非线性回归模型，并使拟合算法适应较大数据集？
- 方法与思路
- 作者使用线性样条及其张量积，通过极大似然、逐步增删项，以及信息准则、交叉验证或独立测试集选择模型。
- 材料陈述的贡献
- 摘要称提出自动多分类回归程序及适用于大数据的改进版本，并以包含二十五万观测、四十五类的音素识别数据展示。
- 阅读关注点
- 应核对类别概率的参数化、样条结点与交互项的搜索方式，以及模型选择过程、计算复杂度和测试集评价是否独立。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；音素识别展示不构成经济选择行为验证，摘要也未报告预测精度或一致性结论。
原文摘要
An automatic procedure that uses linear splines and their tensor products is proposed for fitting a regression model to data involving a polychotomous response variable and one or more predictors. The fitted model can be used for multiple classification. The automatic fitting procedure involves maximum likelihood estimation, stepwise addition, stepwise deletion, and model selection by the Akaike information criterion, cross-validation, or an independent test set. A modified version of the algorithm has been constructed that is applicable to large datasets, and it is illustrated using a phoneme recognition dataset with 250,000 cases, 45 classes, and 63 predictors.